🤖 AI

Breaking the Chains of Probability: Neutrosophic Logic as a New Framework for Epistemic Uncertainty in Large Language Models

यह शोध पत्र एक न्यूट्रोसोफिक लॉजिक फ्रेमवर्क (Neutrosophic Logic framework) का प्रस्ताव करता है और बड़े भाषा मॉडलों (Large Language Models) के लिए इसका अनुभवजन्य सत्यापन करता है जो सत्य (Truth), अनिश्चितता (Indeterminacy) और असत्य (Falsity) को स्वतंत्र आयामों के रूप में मानता है, और यह प्रदर्शित करता है कि उनके योग को इकाई से अधिक (हाइपर-ट्रुथ/hyper-truth) होने की अनुमति देना प्रभावी रूप से उस ज्ञान संबंधी अनिश्चितता, विरोधाभास और नैतिक संघर्षों को पकड़ लेता है जिन्हें पारंपरिक संभाव्य मॉडल (probabilistic models) अलग करने में विफल रहते हैं।

Maikel Yelandi Leyva-Vázquez, Florentin Smarandache2026-05-26
🤖 machine learning

Cascade-KDE: Robust Time-Series Restoration under Out-of-Distribution Impulse Corruptions

यह शोधपत्र Cascade-KDE को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा (training-free framework) है जो महत्वपूर्ण स्थानीय विशेषताओं और डेरिवेटिव्स को संरक्षित करने के लिए 2D घनत्व अनुमान (2D density estimation) और अनुकूली कैस्केडिंग (adaptive cascading) का लाभ उठाकर मिश्रित गॉसियन शोर (mixed Gaussian noise) और इम्पल्स आउटलेर्स (impulse outliers) द्वारा दूषित टाइम-सीरीज़ डेटा को मजबूती से पुनर्स्थापित करता है, जिसके लिए मॉडल प्रशिक्षण की आवश्यकता नहीं होती है।

Yuefeng Liu, Ning Yang, Ziyu Yang2026-05-26
🤖 machine learning

Signs Beat Floats: Low-Rank Double-Binary Adaptation for On-Device Fine-Tuning

यह शोध पत्र LoRDBA को प्रस्तुत करता है, जो एक लो-रैंक डबल-बाइनरी एडैप्टर है जो प्रतिस्पर्धी प्रदर्शन और प्रबंधनीय विलंबता (latency) को बनाए रखते हुए ऑन-डिवाइस स्टोरेज और संचार ओवरहेड को महत्वपूर्ण रूप से कम करने के लिए LoRA कारकों को साइन कैरियर्स (sign carriers) और चैनल-वार स्केल्स (channel-wise scales) से बदल देता है।

Yoshihiko Fujisawa, Yuma Ichikawa, Yudai Fujimoto, Akira Sakai, Katsuki Fujisawa2026-05-26
🤖 machine learning

Spectral Probe-Circuits: A Three-Step Recipe for Identifying Attention-Head Circuits in Pretrained Transformers

यह शोध पत्र प्रीट्रेन्ड ट्रांसफॉर्मर में कॉज़ल अटेंशन-हेड सर्किट्स की पहचान करने के लिए एक तीन-चरणीय, अनसुपरवाइज्ड कार्यप्रणाली प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एक स्पेक्ट्रल सिग्नल-आधारित दृष्टिकोण विभिन्न मॉडल स्केल्स, आर्किटेक्चर और ट्रेनिंग पाइपलाइनों में टास्क-स्पेसिफिक इंडक्शन सर्किट्स को सफलतापूर्वक अलग करता है।

Yongzhong Xu2026-05-26
🤖 machine learning

Federated Learning over Human-Body Communication for On-Body Edge Intelligence: A Survey, Taxonomy, and BODYFED-HBC Scheduling Vignette

यह शोध पत्र वियरेबल एज इंटेलिजेंस के लिए ह्यूमन-बॉडी कम्युनिकेशन (HBC) और फेडरेटेड लर्निंग (FL) के प्रतिच्छेदन का सर्वेक्षण करता है, जो एक व्यापक वर्गीकरण, एक अनुकूलन-आधारित शेड्यूलिंग एल्गोरिदम के साथ BODYFED-HBC संदर्भ आर्किटेक्चर, और बॉडी-एरिया नेटवर्क में मुद्रा-निर्भर चैनल जागरूकता, ऊर्जा संबंधी बाधाओं और गोपनीयता की चुनौतियों को संबोधित करने के लिए एक पुनरुत्पादनीय सिमुलेशन फ्रेमवर्क प्रस्तावित करता है।

Koffka Khan2026-05-26
🤖 machine learning

Not All Transitions Matter: Evidence from PPO

यह शोध पत्र यह प्रदर्शित करता है कि PPO रोलआउट्स से ट्रांज़िशन के एक निश्चित अंश (विशेष रूप से 25%) को यादृच्छिक रूप से हटाना प्रभावी रूप से कारण-श्रृंखलाबद्ध ग्रेडिएंट्स की अतिरेकता को तोड़ता है, जिससे मूल एल्गोरिदम को बदले बिना या अंतिम रिवॉर्ड प्रदर्शन से समझौता किए बिना विविध वातावरणों में प्रशिक्षण गतिशीलता को स्थिर किया जा सकता है।

Ajhesh Basnet2026-05-26✓ Author reviewed
📊 statistics

Causality as the Statistical Conscience of Artificial Intelligence: From Pearl's Ladder to Trustworthy Machines

यह शोध पत्र तर्क देता है कि कारण-प्रभाव अनुमान (causal inference) विश्वसनीय एआई के लिए आवश्यक "सांख्यिकीय विवेक" (statistical conscience) है, जो यह प्रदर्शित करता है कि सहसंबंध और कारण के बीच अंतर करना आउट-ऑफ-डिस्ट्रीब्यूशन सामान्यीकरण (out-of-distribution generalization) प्राप्त करने और कारण-सांख्यिकीय अनुमानकों (causal statistical estimators) के एक एकीकृत ढांचे के माध्यम से मतिभ्रम (hallucination) और रिवॉर्ड हैकिंग (reward hacking) जैसे महत्वपूर्ण विफलता मोडों को हल करने के लिए अनिवार्य है।

Ernest Fokoué2026-05-26
🤖 machine learning

Verified SHAP: Provable Bounds for Exact Shapley Values of Neural Networks

यह शोध पत्र एक नवीन एल्गोरिदम प्रस्तुत करता है जो सटीक शापली मानों (Shapley values) पर प्रमाणिक, मनचाहे रूप से सटीक सीमाएँ (bounds) कंप्यूट करने के लिए न्यूरल नेटवर्क सत्यापन तकनीकों का लाभ उठाता है, जिससे मौजूदा सटीक विधियों की तुलना में काफी बड़े खोज स्थानों वाले न्यूरल नेटवर्क के लिए स्केलेबल और सटीक SHAP गणना सक्षम होती है।

David Boetius, Shahaf Bassan, Guy Katz, Stefan Leue, Tobias Sutter2026-05-26
📊 statistics

Detecting Metastable Basins in High Dimensions via Marginal Trajectory Distribution Discrimination

यह शोध पत्र एक ऐसे न्यूरल एल्गोरिदम का प्रस्ताव करता है जो उनके मार्जिनल ट्रैजेक्टरी वितरणों के विभेदन के आधार पर उम्मीदवार अवस्थाओं को पुनरावृत्ति से जोड़कर उच्च-आयामी मार्कोव प्रक्रियाओं में मेटास्टेबल बेसिनों की पहचान करता है, जो जटिल, गैर-रेखीय परिवेश में पारंपरिक स्पेक्ट्रल और क्लस्टरिंग विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

Taj Jones-McCormick2026-05-26
🤖 machine learning

EVA: Accelerating LLM Decoding via an Efficient Vector Quantization Architecture

यह शोध पत्र EVA को प्रस्तुत करता है, जो एक हार्डवेयर-सॉफ्टवेयर सह-अनुकूलित आर्किटेक्चर है जो मेमोरी-बाउंड वेक्टर क्वांटाइजेशन लुकअप को कुशल, संघर्ष-मुक्त GEMM गणनाओं में बदलकर LLM डिकोडिंग को त्वरित करता है, जिससे अत्याधुनिक तरीकों की तुलना में 11.17× तक की गति वृद्धि और 7.17× अधिक ऊर्जा दक्षता प्राप्त होती है।

Bowen Duan, Cong Guo, Chiyue Wei, Haoxuan Shan, Yuzhe Fu, Xinhua Chen, Yifan Xu, Ziyue Zhang, Changchun Zhou, Hai Li, Yi (…)2026-05-26