cs.AI पेपर | Gist.Science

Decentralized Time-Varying Optimization for Streaming Data via Temporal Weighting

यह शोध पत्र स्ट्रीमिंग डेटा परिवेशों में समय-परिवर्तित मिनिमाइज़र्स (minimizers) को ट्रैक करने के लिए विकेंद्रीकृत ग्रेडिएंट डिसेंट (decentralized gradient descent) के प्रदर्शन का विश्लेषण करता है, जो यह प्रकट करता है कि ट्रैकिंग त्रुटि एक फिक्स्ड-पॉइंट पद और एक विषमता-प्रेरित पूर्वाग्रह (heterogeneity-induced bias) में विभाजित होती है, जिसमें समान वेटिंग (uniform weighting) $\mathcal{O}(1/t)$ अभिसरण दर प्राप्त करती है जबकि घातीय रूप से छूट वाली वेटिंग (exponentially discounted weighting) एक गैर-लुप्त होने वाले एरर फ्लोर (non-vanishing error floor) का परिणाम देती है।

Muhammad Faraz Ul Abrar, Nicolò Michelusi, Erik G. Larsson2026-05-11

📊 statistics

Drawing Lines in Psychological Space: What K-means Clustering Reveals in Simulated and Real Psychometric Data

यह शोध पत्र तर्क देता है कि के-मीन्स क्लस्टरिंग (K-means clustering) सिम्युलेटेड और वास्तविक साइकोमेट्रिक डेटा दोनों में स्थिर और दृश्य रूप से सुसंगत उपसमूह पैटर्न उत्पन्न कर सकती है, भले ही कोई वास्तविक लेटेंट कैटेगोरिकल संरचना मौजूद न हो, क्योंकि यह एल्गोरिदम स्वाभाविक रूप से निरंतर गाऊसीан (Gaussian) स्थानों को ज्यामितीय रूप से सघन समूहों में विभाजित करता है।

Pedro Henrique Ramos Pinto, Maria Jullyanna Ferreira Marques, Luiz Carlos Serramo Lopez2026-05-11

🤖 AI

Optimal Experiments for Partial Causal Effect Identification

यह शोध पत्र "मैक्स-पोटेंसी" (max-potency) उद्देश्य को औपचारिक रूप देने, खोज स्थान (search space) को नाटकीय रूप से कम करने के लिए कुशल ग्राफिकल प्रूनिंग मानदंडों को विकसित करने और सिंथेटिक बेंचमार्क एवं वास्तविक NHANES डेटा दोनों पर दृष्टिकोण की प्रभावकारिता प्रदर्शित करने के माध्यम से, कारण प्रभाव सीमाओं (causal effect bounds) को अधिकतम रूप से कड़ा करने के लिए लागत-बाधित प्रयोगों के चयन की NP-हार्ड समस्या को संबोधित करता है।

Tobias Maringgele, Jalal Etesami2026-05-11

🤖 AI

Adaptive auditing of AI systems with anytime-valid guarantees

यह शोध पत्र एक अनुकूलन योग्य ऑडिटिंग फ्रेमवर्क पेश करता है जो जनरेटिव एआई सिस्टम के लिए सेफ एनीटाइम-वैलिड इन्फरेंस (SAVI) और एक "टेस्टिंग बाय बेटिंग" दृष्टिकोण का लाभ उठाता है ताकि पारंपरिक तरीकों की तुलना में काफी कम अवलोकनों के साथ मॉडल मजबूती पर सांख्यिकीय रूप से कठोर, एनीटाइम-वैलिड गारंटी प्रदान की जा सके।

Siyu Zhou, Patrick Vossler, Venkatesh Sivaraman, Yifan Mai, Jean Feng2026-05-11

🤖 machine learning

FlashMol: High-Quality Molecule Generation in as Few as Four Steps

यह शोध पत्र FlashMol को पेश करता है, जो एक अत्यंत तीव्र जनरेटिव मॉडल है जो अनुकूलित टाइमस्टेप रिस्पेसिंग (timestep respacing) और जेन्सन-शैनन डाइवर्जेंस (Jensen-Shannon divergence) रेगुलाइजेशन के साथ डिस्ट्रीब्यूशन मैचिंग डिस्टिलेशन (distribution matching distillation) को अनुकूलित करके मात्र चार चरणों में उच्च गुणवत्ता वाले 3D आणविक कन्फर्मेशन (molecular conformations) उत्पन्न करता है, जो पारंपरिक डिफ्यूजन मॉडल्स की गुणवत्ता को बनाए रखते हुए या उससे बेहतर प्रदर्शन करते हुए 250 $\times$ तक का त्वरण (acceleration) प्राप्त करता है।

Xinyuan Wei, Zian Li, Shaoheng Yan, Cai Zhou, Muhan Zhang2026-05-11

🤖 AI

Behavior Cue Reasoning: Monitorable Reasoning Improves Efficiency and Safety through Oversight

यह शोध पत्र बिहेवियर क्यू रीजनिंग (Behavior Cue Reasoning) को प्रस्तुत करता है, जो एक ऐसी विधि है जो लार्ज लैंग्वेज मॉडल्स को विशिष्ट व्यवहारों से पहले विशेष टोकन संकेतों को उत्सर्जित करने के लिए प्रशिक्षित करती है, जिससे कुशल निरीक्षण संभव होता है जो प्रदर्शन से समझौता किए बिना व्यर्थ रीजनिंग टोकन को काफी कम करता है और सुरक्षित कार्यों को पुनः प्राप्त करता है।

Christopher Z. Cui, Taylor W. Killian, Prithviraj Ammanabrolu2026-05-11

🤖 machine learning

A Systematic Investigation of The RL-Jailbreaker in LLMs

यह शोध पत्र RL-आधारित जेलब्रेकिंग का पहला व्यवस्थित अपघटन प्रस्तुत करता है, जो यह प्रकट करता है कि पर्यावरणीय औपचारिकीकरण कारक—विशेष रूप से सघन पुरस्कार (dense rewards) और विस्तारित एपिसोड की लंबाई—सभी लक्षित लार्ज लैंग्वेज मॉडल्स और उनके सुरक्षा उपायों के विरुद्ध सफल हमलों के प्राथमिक चालक हैं।

Montaser Mohammedalamen, Kevin Roice, Reginald McLean, Alyssa Lefaivre Škopac2026-05-11

📊 statistics

An Interpretable and Scalable Framework for Evaluating Large Language Models

यह शोध पत्र पारंपरिक आइटम रिस्पॉन्स थ्योरी (Item Response Theory) विधियों की कम्प्यूटेशनल और स्थिरता संबंधी सीमाओं को दूर करने के लिए मेजराइजेशन-मिनिमाइजेशन (majorization-minimization) सिद्धांत पर आधारित एक स्केलेबल और व्याख्या योग्य ढांचे का प्रस्ताव करता है, जो विविध बेंचमार्क पर लार्ज लैंग्वेज मॉडल्स के कुशल और सटीक मूल्यांकन को सक्षम बनाता है।

Xinhao Qu, Qiang Heng, Hao Zeng, Xiaoqian Liu2026-05-11

🤖 machine learning

Unlocking High-Fidelity Molecular Generation from Mass Spectra via Dual-Stream Line Graph Diffusion

यह शोध पत्र DualLGD को प्रस्तुत करता है, जो एक डुअल-स्ट्रीम लाइन ग्राफ डिफ्यूजन मॉडल है जो इंसिडेंस-कंस्ट्रेंड क्रॉस-अटेंशन के माध्यम से एटम- और बॉन्ड-स्तरीय तर्क को स्पष्ट रूप से डिकपल और सिंक्रोनाइज़ करके मौजूदा सिंगल-स्ट्रीम विधियों की आर्किटेक्चरल बाधाओं को दूर करता है, जिससे मास स्पेक्ट्रा से डी नोवो मॉलिक्यूलर जनरेशन में अत्याधुनिक प्रदर्शन प्राप्त होता है।

Xujun Che, Xiuxia Du, Depeng Xu2026-05-11

🤖 machine learning

Towards Differentially Private Reinforcement Learning with General Function Approximation

यह शोधपत्र सामान्य फलन सन्निकटन (general function approximation) के साथ विभेदक रूप से निजी ऑनलाइन सुदृढीकरण शिक्षण (differentially private online reinforcement learning) के लिए प्रथम सैद्धांतिक गारंटी प्रस्तुत करता है, जो बैच किए गए नीति अपडेट और एक्सपोनेंशियल मैकेनिज्म के एक नवीन संयोजन के माध्यम से $\widetilde{O}(K^{3/5})$ रिग्रेट बाउंड प्राप्त करता है और साथ ही पूर्व रैखिक सेटिंग्स में अंतराल को स्पष्ट करता है।

Yi He, Xingyu Zhou2026-05-11

← पिछला अगला →