A computational transition for detecting correlated stochastic block models by low-degree polynomials

Este trabajo determina el umbral computacional para detectar la correlación entre pares de modelos de bloques estocásticos correlacionados mediante polinomios de bajo grado, estableciendo que la distinción es posible si y solo si la probabilidad de muestreo supera el mínimo entre la constante de Otter y el umbral de Kesten-Stigum.

Guanyi Chen, Jian Ding, Shuyang Gong + 1 more2026-03-05🤖 cs.LG

On the Inversion Modulo a Power of an Integer

Este artículo presenta dos algoritmos generalizados para calcular la inversa modular a1(modnk)a^{-1} \pmod{n^k} para cualquier entero n>1n>1: el primero se basa en expansiones pp-ádicas y aprovecha la aritmética nativa de la arquitectura de computadoras para mejorar la eficiencia, mientras que el segundo extiende los métodos de elevación de Hensel existentes a modulos de la forma n2sn^{2^s} mediante una manipulación algebraica simple.

Guangwu Xu, Yunxiao Tian, Bingxin Yang2026-03-05💻 cs

Even Faster Kernel Matrix Linear Algebra via Density Estimation

Este artículo presenta algoritmos mejorados que utilizan la estimación de densidad del núcleo (KDE) para realizar operaciones de álgebra lineal en matrices de núcleo con un error relativo de (1+ε)(1+\varepsilon), logrando una dependencia computacional significativamente menor respecto al número de puntos nn y al error ε\varepsilon en comparación con los métodos existentes, al tiempo que establece límites inferiores que demuestran la dureza condicional de estos problemas.

Rikhav Shah, Sandeep Silwal, Haike Xu2026-03-05🤖 cs.LG

Submodular Maximization over a Matroid kk-Intersection: Multiplicative Improvement over Greedy

Este trabajo presenta el primer algoritmo que mejora multiplicativamente la relación de aproximación del algoritmo voraz para la maximización submodular bajo la intersección de kk restricciones de matroide, logrando una razón de aproximación de 2kln21+ln2+O(k)\frac{2k\ln2}{1+\ln2}+O(\sqrt{k}) mediante un enfoque híbrido de búsqueda local independiente del valor de kk.

Moran Feldman, Justin Ward2026-03-05💻 cs

DRESS: A Continuous Framework for Structural Graph Refinement

El artículo presenta DRESS, un marco determinista y sin parámetros que refina iterativamente la similitud estructural de los grafos mediante un sistema dinámico no lineal para generar huellas dactilares invariantes al isomorfismo, ofreciendo una expresividad superior o equivalente a la prueba 2-WL con una eficiencia computacional significativamente mayor y generalizaciones como Δ\Delta-DRESS para distinguir grafos complejos.

Eduar Castrillo Velilla2026-03-05🤖 cs.LG