💻 computer science

A Calculus of Discernment: Decision-Relevant Insight, Sequence Value, and Forgetting as Higher-Order Learning

यह शोधपत्र उच्च-क्रम शिक्षण (higher-order learning) के लिए एक एकीकृत ढांचे का प्रस्ताव करता है जो निर्णय-प्रासंगिक अंतर्दृष्टि और गैर-क्रमविनिमेय क्रिया अनुक्रमों (non-commuting action sequences) को प्राथमिकता देता है, साथ ही APOHA पेश करता है, जो एक ऐसा सिद्धांत है जहाँ मूल्य-जागरूक विस्मृति (value-aware forgetting) एक शिक्षण ऑपरेटर के रूप में कार्य करती है जो निर्णय संबंधी पछतावे को महत्वपूर्ण रूप से कम करती है और गैर-स्थिर वातावरण में स्मृति को अनुकूलित करती है।

Suyash Mishra2026-07-22
🤖 machine learning

FALCON-Discover: Discovering Concentrated False-Confidence Regions for Calibration

यह शोधपत्र FALCON-Discover को प्रस्तुत करता है, जो एक पोस्ट-हॉक (post-hoc), मॉडल-अज्ञेय (model-agnostic) ढांचा है जो कई विसंगति संकेतों (discrepancy signals) के आधार पर भविष्यवाणियों को रैंक करके खतरनाक झूठे आत्मविश्वास के केंद्रित क्षेत्रों की पहचान करता है, और यह प्रदर्शित करता है कि ओवरकॉन्फिडेंस (overconfidence) को एक खोज समस्या (discovery problem) के रूप में मानना पारंपरिक एकल-स्कोर अंशांकन (single-score calibration) विधियों से बेहतर प्रदर्शन करता है।

Filippo Cenacchi, Longbing Cao, Runze Yang2026-07-22
🤖 machine learning

Beyond Output-Space Calibration: Spectral Evidence Bundling for Selective Reliability Estimation in Time-Series Classification

यह शोध पत्र एक सत्यापन-गेटेड स्पेक्ट्रल एविडेंस बंडलिंग पद्धति प्रस्तुत करता है जो आउटपुट कॉन्फिडेंस को संपूर्ण-नमूना स्पेक्ट्रल डिस्क्रिप्टर्स के साथ जोड़कर विश्वसनीय भविष्यवाणियों की पहचान करने और असमर्थ स्पेक्ट्रल कंडीशनिंग को रोकने के लिए टाइम-सीरीज क्लासिफिकेशन हेतु चयनात्मक विश्वसनीयता अनुमान को बढ़ाता है।

Filippo Cenacchi, Longbing Cao, Runze Yang2026-07-22
🤖 machine learning

Beyond Single-Dimensional Compression: The Compound Sparsity Frontier of Large Language Models

यह शोध पत्र एक कंपाउंड स्पैरसिटी फ्रेमवर्क पेश करता है जो सिंगल-मैकेनिज्म कंप्रेशन विधियों से बेहतर प्रदर्शन करने के लिए स्टैटिक पैरामीटर प्रूनिंग को डायनेमिक टोकन-लेवल लेयर स्किपिंग के साथ जोड़ता है, जो प्रभावी रूप से प्रदर्शन क्षरण को विलंबित करता है और लार्ज लैंग्वेज मॉडल्स के लिए एक इष्टतम निकट-संतुलित आवंटन रणनीति को प्रकट करता है।

Chao Han, Haozhe Hu, Xiaoyu Shen2026-07-22
🤖 machine learning

FedCC: A Low-Resource Federated Adaptation of Foundation Models for Robust Corpus Callosum localization in Fetal Ultrasound Images

FedCC एक लो-रिसोर्स फेडरेटेड लर्निंग फ्रेमवर्क है जो फुल फाइन-ट्यूनिंग की तुलना में कंप्यूटेशनल और कम्युनिकेशन लागत को काफी कम करते हुए, भ्रूण अल्ट्रासाउंड छवियों में कॉर्पस कैलोसम के मजबूत, गोपनीयता-संरक्षित स्थानीयकरण (localization) को प्राप्त करने के लिए एक फ्रोजन DINOv2 बैकबोन को LoRA और एक YOLO-आधारित डिटेक्शन हेड के साथ जोड़ता है।

Alessandro Di Matteo, Sara Moccia, Giuseppe Rizzo, Gianpaolo Grisolia, Ricciarda Raffaelli, Lorenzo Vasciaveo, Francesco (…)2026-07-22
🤖 machine learning

Compressing What Matters: Neuron Importance Meets Data-Aware Low Rank Approximation for Language Model Compression

यह शोध पत्र एक नवीन भाषा मॉडल संपीड़न ढांचा प्रस्तावित करता है जो न्यूरॉन महत्व को डेटा-जागरूक लो-रैंक सन्निकटन (low-rank approximation) के साथ एकीकृत करता है और गतिशील संपीड़न दर आवंटन के लिए एक कुशल एल्गोरिदम पेश करता है, जिससे विशेष रूप से उच्च संपीड़न अनुपातों के तहत अत्याधुनिक प्रदर्शन प्राप्त होता है।

Athanasios Ntovas, Alexandros Doumanoglou, Petros Drakoulis, Dimitris Zarpalas2026-07-22
🤖 machine learning

Towards Principled Continual Anomaly Detection: A Systematic Framework and Benchmark Scenarios

यह शोध पत्र मनमानी विभाजनों (arbitrary splits) की सीमाओं को दूर करने के लिए कार्यों की खोज, छँटनी और क्रमबद्धता के माध्यम से टैबुलर डोमेन में पुनरुत्पादित निरंतर विसंगति पहचान (continual anomaly detection) बेंचमार्क डिजाइन करने के लिए एक व्यवस्थित ढांचे को प्रस्तुत करता है, जो अंततः बड़े पैमाने के साइबर सुरक्षा डेटासेट से व्युत्पन्न पांच नए बेंचमार्क परिदृश्य प्रदान करता है।

Kamil Faber, Mateusz Smendowski, Roberto Corizzo2026-07-22
🤖 machine learning

Reliability Scales Inversely: Bigger Models Compound Mistakes Faster via a Hidden Auto-Regressive Risk Regime

यह शोध पत्र यह प्रकट करता है कि जैसे-जैसे भाषा मॉडल स्केल होते हैं, वे तेजी से एक आत्म-निरंतर "ऑटो-रिग्रेसिव रिस्क रिजीम" (auto-regressive risk regime) में प्रवेश करते हैं जहाँ कम-संभाव्यता वाले टोकन त्रुटियाँ आत्मविश्वासपूर्ण, हिमस्खलन जैसी बढ़ती हुई मतिभ्रम (hallucinations) को ट्रिगर करती हैं जो मॉडल के अपने अनिश्चितता संकेतों द्वारा पता लगाए जाने की क्षमता से भी अधिक समय तक बनी रहती हैं, जिससे अंततः बड़े मॉडल अपनी सामान्य क्षमता प्राप्त करने के बावजूद गलतियों को अधिक तेजी से संचित करते हैं।

Kushal Chakrabarti2026-07-22
🔬 physics

Distribution-First Population Simulation: Collapse, Calibration, and Recall in Non-WEIRD LLM Persona Modeling

यह शोध पत्र यह प्रदर्शित करता है कि स्वतंत्र LLM एजेंटों के साथ आबादी का अनुकरण करने से वितरण संबंधी पतन (distributional collapse) और खराब व्यवहारिक निष्ठा (behavioral fidelity) होती है, और एक "वितरण-प्रथम" (distribution-first) सुधारात्मक उपाय प्रस्तावित करता है जो 'वर्बलाइज्ड सैंपलिंग' (Verbalized Sampling) के माध्यम से एक बार समग्र वितरण को मॉडल करता है और इसे जमीनी पात्रों (grounded characters) को सौंप देता है ताकि गणना की एक अंश लागत पर सटीक अंशांकन (calibration) प्राप्त किया जा सके।

Gurkan Ozkan2026-07-22
🧬 biology

Approximating SPR Distance Between Phylogenetic Trees with Graph Neural Networks

यह शोध पत्र एक ग्राफ न्यूरल नेटवर्क दृष्टिकोण प्रस्तुत करता है जो हाल ही में जारी किए गए बैक्टीरियल पेड़ों के डेटासेट और प्रशिक्षण के लिए एक सत्यापित ह्यूरिस्टिक सरोगेट द्वारा समर्थित, फाइлоजेनेटिक पेड़ों के बीच NP-hard सबट्री प्रून एंड रीग्राफ्ट (SPR) दूरी को लगभग स्थिर समय (near-constant time) में अनुमानित करता है।

Renata Martins Castanheira, Miguel Bugalho, Cátia Vaz2026-07-22