🤖 Category

cs.AI

22514 पेपर

🤖 machine learning

State Representation Matters in Deep Reinforcement Learning: Application to Energy Trading

यह शोध पत्र यह प्रदर्शित करता है कि ऊर्जा व्यापार के लिए डीप रिइन्फोर्समेंट लर्निंग में, मजबूत नीति प्रदर्शन और विभिन्न बाजार क्षेत्रों में स्थानांतरणीयता (ट्रांसफ़रेबिलिटी), किसी भी एकल फीचर परिवार पर निर्भर रहने के बजाय, स्टेट रिप्रेजेंटेशन के भीतर पूर्ण मूल्य पैमानों (एब्सोल्यूट प्राइस स्केल्स), सापेक्ष ऐतिहासिक संदर्भ और अल्प-अवधि पूर्वानुमान विशेषताओं को संयोजित करने पर महत्वपूर्ण रूप से निर्भर करती है।

Jesper Klicks, Sander Vržina, Vincent François-Lavet2026-06-26
🤖 AI

How to evaluate clustering with ground truth?

यह शोध पत्र ग्राउंड ट्रुथ के साथ क्लस्टरिंग का मूल्यांकन करने के लिए सामान्य एक्सटर्नल वैलिडिटी इंडेक्स की समीक्षा करता है, जिसमें अपने सहज और व्याख्या योग्य क्लस्टर-स्तरीय परिणामों के लिए सेंट्रॉइड इंडेक्स (CI) की सिफारिश की गई है, साथ ही पॉइंट-लेवल या साइज-अनबायस्ड आकलन के लिए पेयर-सेट इंडेक्स (PSI) और क्लस्टरिंग एक्यूरेसी (ACC) को उपयुक्त विकल्पों के रूप में भी रेखांकित किया गया है।

Pasi Fränti2026-06-26
🤖 machine learning

Parametric Open Source Games

यह शोध पत्र पैरामीट्रिक ओपन-सोर्स गेम्स को एक निरंतर ढांचे के रूप में प्रस्तुत करता है जहाँ खिलाड़ी मिश्रित क्रियाओं (mixed actions) में मैप किए गए पैरामीटर वेक्टर्स को अनुकूलित करते हैं, जो यह प्रदर्शित करता है कि एजेंटों के आंतरिक मापदंडों के बीच पर्याप्त रूप से मजबूत युग्मन (coupling), सममित खेलों (symmetric games) में स्वार्थी ग्रेडिएंट एसेंट (gradient ascent) को सहकारी साम्यावस्था (cooperative equilibria) की ओर निर्देशित कर सकता है।

Aleksandar Todorov, Jesse ten Napel, Alexander Müller2026-06-26
🤖 machine learning

Heavy-Ball Q-Learning with Residual Weighting Correction

यह शोध पत्र अवशिष्ट भारण (residual weighting) के साथ एक सुधारात्मक हेवी-बॉल Q-लर्निंग पद्धति प्रस्तावित करता है, जो एक स्विच किया गया रैखिक प्रणाली प्रतिनिधित्व और संयुक्त स्पेक्ट्रल त्रिज्या विश्लेषण का उपयोग करते हुए इसके अभिसरण (convergence) को स्थापित करता है और मानक Q-लर्निंग की तुलना में त्वरित प्रदर्शन के लिए शर्तों को सिद्ध करता है।

Donghwan Lee2026-06-26
⚛️ quantum physics

Efficient foundation decoders for fault-tolerant quantum computing

यह शोध पत्र न्यूरल ट्रांसफर यूनिफिकेशन (NTU) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो विभिन्न कोड दूरियों (code distances) में फाउंडेशन डिकोडर्स के कुशल और स्केलेबल प्रशिक्षण को सक्षम करने के लिए साझा बीजगणितीय संरचनाओं का लाभ उठाता है, जिसे NTU-ट्रांसफॉर्मर द्वारा मौजूदा मैचिंग और बिलीफ प्रोपेगेशन विधियों की तुलना में बड़े पैमाने पर प्लेनर सरफेस और बाइवेरिएट बाइसिकल कोड्स पर प्रदर्शित उत्कृष्ट प्रदर्शन के माध्यम से सिद्ध किया गया है।

Ge Yan, Shanchuan Li, Shiyi Xiao, Pengyue Ma, Hanyan Cao, Feng Pan, Yuxuan Du2026-06-26
🤖 AI

Safe Autoregressive Image Generation with Iterative Self-Improving Codebooks

यह शोध पत्र एक पुनरावृत्ति स्व-सुधार ढांचे (iterative self-improving framework) का प्रस्ताव करता है जो एक एकीकृत मल्टीमॉडल मॉडल के अपने निर्णय का लाभ उठाकर असुरक्षित जनरेशन की पहचान करता है और अनुकूल रूप से इसके विजुअल कोडबुक को परिष्कृत करता है, जिससे बाहरी मानवीय फीडबैक की आवश्यकता के बिना ऑटोरेग्रेसिव इमेज जनरेशन में सुरक्षा को बढ़ाया जा सके।

Yunqi Xue, Zhijiang Li, Philip Torr, Jindong Gu2026-06-26
🤖 AI

TOPS: First-Principles Visual Token Pruning via Constructing Token Optimal Preservation Sets for Efficient MLLM Inference

यह शोध पत्र TOPS को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) और मॉडल-अज्ञेय (model-agnostic) विज़ुअल टोकन प्रूनिंग विधि है, जो कार्य प्रासंगिकता, सूचना कवरेज और अर्थ संबंधी विविधता के आधार पर इष्टतम संरक्षण सेटों का निर्माण करती है ताकि प्रदर्शन को बनाए रखते हुए या वास्तव में उसे बढ़ाते हुए MLLM अनुमान दक्षता में महत्वपूर्ण सुधार किया जा सके।

Tinghao Wang, Yichen Guo, Rui Huang, Zheng Lu, Qizhe Zhang, Chenxi Li, Yuan Zhang, Jiajun Cao, Zhirong Shen, Yaosong Du (…)2026-06-26
🤖 machine learning

Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)

यह शोध पत्र LeHome Challenge 2026 के लिए एक पुरस्कार विजेता द्विपक्षीय (bimanual) गारमेंट फोल्डिंग सिस्टम प्रस्तुत करता है जो एक विजन-लैंग्वेज-एक्शन पॉलिसी को सेल्फ-सुपरवाइज्ड रिइन्फोर्समेंट लर्निंग लूप के साथ बढ़ाकर शीर्ष रैंकिंग प्राप्त करता है, जहाँ पॉलिसी के स्वयं के सफलता और प्रगति के अनुमान एडवांटेज एस्टीमेशन और फेलियर डिटेक्शन को संचालित करते हैं, जिसे फ्लो-मैचिंग, डिस्ट्रिब्यूटेड ट्रेनिंग और रोबस्ट सिम-टू-रियल ट्रांसफर सहित इंजीनियरिंग अनुकूलन के एक व्यापक समूह द्वारा समर्थित किया गया है।

Ilia Larchenko2026-06-26
🤖 machine learning

Automating Potential-based Reward Shaping with Vision Language Model Guidance

यह शोध पत्र VLM-PBRS प्रस्तुत करता है, जो एक ऐसा ढांचा है जो रिवॉर्ड शेपिंग के लिए संभावित फलनों (potential functions) को स्वचालित रूप से सीखने के लिए हल्के विजन-लैंग्वेज मॉडल्स से प्राप्त प्राथमिकता फीडबैक का लाभ उठाता है, जिससे अनुकूलतम नीतियों को संरक्षित रखते हुए और रिवॉर्ड हैकिंग को रोकते हुए स्पार्स-रिवॉर्ड वातावरण में सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) को गति मिलती है।

Henrik Müller, Daniel Kudenko2026-06-26
🤖 AI

A Process Harness for Uplifting Legacy Workflows to Agentic BPM: Design and Realization in CUGA FLO

यह शोध पत्र "प्रोसेस हार्नेस" (process harness) को प्रस्तुत करता है, जो एक ऐसा तंत्र है जो 'एजेंटिक बीपीएम' (Agentic BPM) को सक्षम करने के लिए मौजूदा नियत वर्कफ़्लो इंजनों के चारों ओर एक नीति-शासित एजेंटिक परत को एकीकृत करता है, जिसे टास्क-डिसीजन-फ्लो (TDF) मॉडल द्वारा कड़ाई से परिभाषित किया गया है और संरचनात्मक अनुपालन के साथ अनुकूलनशील, नीति-आधारित स्वायत्तता को संतुलित करने के लिए CUGA FLO सिस्टम में साकार किया गया है।

Fabiana Fournier, Lior Limonad2026-06-26