🤖 Category

cs.LG

23511 पेपर

🤖 machine learning

Synheart Capacity: A Theory-Driven Physiological Representation of Cognitive Capacity Dynamics from Wearable Signals

यह शोध पत्र सिनहार्ट कैपेसिटी (Synheart Capacity) प्रस्तुत करता है, जो एक सिद्धांत-आधारित मल्टीमॉडल लर्निंग फ्रेमवर्क है, जो वियरेबल कार्डिएक और इलेक्ट्रोडर्मल संकेतों का उपयोग करके संज्ञानात्मक क्षमता की गतिशीलता को मानसिक प्रयास और तनाव के द्वि-आयामी शारीरिक अवस्था के रूप में अनुमानित करता है, तथा प्रभावी क्रॉस-इंडिविजुअल जनरलाइजेशन और उत्पादक जुड़ाव एवं ओवरलोड के बीच अंतर करने की क्षमता प्रदर्शित करता है।

Yisak Debele, Henok Ademtew, Israel Goytom2026-05-26
🤖 machine learning

Batch Normalization Amplifies Memorization and Privacy Risks

यह शोध पत्र प्रकट करता है कि बैच नॉर्मलाइजेशन (Batch Normalization), प्रशिक्षण स्थिरता के लिए लाभकारी होने के बावजूद, आउटलायर नमूनों के रटने (memorization) को महत्वपूर्ण रूप से बढ़ाता है और मेंबरशिप इन्फरेंस हमलों (membership inference attacks) के प्रति संवेदनशीलता को बढ़ाता है, जिससे डीप न्यूरल नेटवर्क में एक गंभीर, कम आंका गया गोपनीयता जोखिम उत्पन्न होता है।

Ngoc Phu Doan, Chongyan Gu, Ihsen Alouani2026-05-26
💻 computer science

Poisoning the Watchtower: Prompt Injection Attacks Against LLM-Augmented Security Operations Through Adversarial Log Content

यह शोध पत्र "लॉग-सबस्ट्रेट प्रॉम्प्ट इंजेक्शन" (log-substrate prompt injection) हमलों की पहचान और मूल्यांकन करता है, जहाँ हमलावर एलएलएम-आधारित सुरक्षा कार्यों से समझौता करने के लिए हमलावर-नियंत्रित लॉग फ़ील्ड के भीतर दुर्भावनापूर्ण निर्देशों को समाहित करते हैं, यह प्रकट करते हुए कि जबकि बचाव जोखिम को कम करते हैं, वे खतरे को समाप्त करने में विफल रहते हैं, विशेष रूप से पर्सोना हाइजैकिंग और सारांशीकरण कार्यों के लिए।

Rohan Pandey, Archit Bhujang2026-05-26
💻 computer science

A Reinforcement Learning Inspired Latent Yield Based Adaptive Algorithm Switching Mechanism

यह शोध पत्र एक गणनात्मक रूप से कुशल, सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) से प्रेरित अनुकूल एडेप्टिव एल्गोरिदम स्विचिंग तंत्र का प्रस्ताव करता है जो प्रदर्शन एकत्रीकरण को स्थिर करने और विकसित होते परिवेशों में अन्वेषण (एक्सप्लोरेशन) और दोहन (एक्सप्लोइटेशन) को गतिशील रूप से संतुलित करने के लिए एक लेटेंट यील्ड मेट्रिक और आइलैंड मॉडल का उपयोग करता है।

Jayprakash S. Nair, Jimson Mathew, Shivashankar B. Nair2026-05-26
🤖 machine learning

CAffNet: Hard Constraint-Affine Neural Networks

यह शोध पत्र CAffNet प्रस्तुत करता है, जो एक नवीन न्यूरल नेटवर्क फ्रेमवर्क है जिसमें प्रशिक्षण योग्य (trainable) कंस्ट्रेंट-एफ़ाइन लेयर्स शामिल हैं जो यूनिवर्सल एप्रोक्सिमेशन गुणों से समझौता किए बिना इनपुट-डिपेंडेंट एफ़ाइन बाधाओं को सिद्ध रूप से संतुष्ट करने के लिए नेटवर्क मापदंडों के साथ संयुक्त अनुकूलन (joint optimization) सक्षम करते हैं।

Yang Zhao, Jungeun Lee, Jeong hwan Jeon, Sze Zheng Yong2026-05-26
💻 computer science

Vision-Guided Outdoor Flight and Obstacle Evasion via Reinforcement Learning

यह शोध पत्र एक विजन-गाइडेड सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो सुपरवाइज्ड लर्निंग और करिकुलम फाइन-ट्यूनिंग की शामिल दो-चरणीय प्रशिक्षण प्रक्रिया के माध्यम से क्वाडकॉप्टर्स को अज्ञात, GNSS-रहित बाहरी वातावरण में स्वायत्त रूप से नेविगेट करने और बाधाओं से बचने में सक्षम बनाता है, जिससे सफल जीरो-शॉट सिम-टू-रियल ट्रांसफर प्राप्त होता है।

Shiladitya Dutta, Aayush Gupta, Varun Saran, Avideh Zakhor2026-05-26
💬 NLP

Temporal Concept Drift in Legal Judgment Prediction: Neural Baselines Across Three Epochs of Ukrainian Court Decisions

यह अध्ययन प्रकट करता है कि यूक्रेनी अदालती निर्णयों में कानूनी भाषा भू-राजनीतिक युगों के दौरान महत्वपूर्ण टेम्पोरल कॉन्सेप्ट ड्रिफ्ट (सामयिक अवधारणा विचलन) से गुजरती है, जिससे समय में आगे बढ़ने पर मानक मॉडलों के प्रदर्शन में भारी गिरावट आती है, जबकि यह भी दर्शाता है कि क्रोनोलॉजिकल कंटीन्यूअस लर्निंग (कालानुक्रमिक निरंतर शिक्षण) और लीगल-डोमेन प्रीट्रेनिंग इस ड्रिफ्ट को प्रभावी ढंग से कम कर सकते हैं और कैटास्ट्रोफिक फॉरगेटिंग (विनाशकारी विस्मृति) को रोक सकते हैं।

Volodymyr Ovcharov2026-05-26
🤖 machine learning

Balancing Fairness, Privacy, and Accuracy: A Multitask Adversarial Framework for Centralized Data-Driven Systems

यह शोध पत्र एक नवीन मल्टीटास्क एडवर्सरियल फ्रेमवर्क प्रस्तावित करता है जो केंद्रित डेटा-संचालित प्रणालियों में निष्पक्षता, गोपनीयता और सटीकता को एक साथ अनुकूलित करता है, जो संवेदनशील विशेषताओं को छिपाते हुए कार्य-प्रासंगिक जानकारी को संरक्षित करने वाले लेटेंट रिप्रजेंटेशन (latent representations) को सीखकर, महत्वपूर्ण प्रदर्शन हानि के बिना उच्च नैतिक और गोपनीयता मानकों को प्राप्त करता है।

Imesh Ekanayake, Elham Naghizade, Jeffrey Chan2026-05-26
🔬 condensed matter

Implicit Binarization via Complex Phase Dynamics in Combinatorial Optimization

यह शोध पत्र एक भौतिकी-प्रेरित निरंतर विश्राम (continuous relaxation) ढांचे को प्रस्तुत करता है जो असतत बाइनरी चरों (discrete binary variables) को जटिल चरणों (complex phases) में मैप करता है, जो QUBO, स्पार्स कोडिंग और प्लांटेड-सॉल्यूशन आइसिंग मॉडल जैसी NP-hard कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्याओं को हल करने में बेहतर अभिसरण (convergence) और सुदृढ़ता प्राप्त करने के लिए चरण गतिकी (phase dynamics) से प्राप्त एक अंतर्निहित नियमितीकरण तंत्र का लाभ उठाता है।

Khen Cohen, Mark Glass, Meir Feder, Yaron Oz2026-05-26
🤖 machine learning

Zeroth-Order Nonconvex Nonsmooth Optimization with Heavy-Tailed Noise

यह शोध पत्र हेवी-टेल्ड नॉइज़ (heavy-tailed noise) के तहत नॉनकॉन्वेक्स नॉनस्मूथ ऑप्टिमाइज़ेशन समस्याओं को हल करने के लिए क्लिप्ड टू-पॉइंट ग्रेडिएंट एस्टिमेटर के साथ एक स्टोकेस्टिक ज़ीरो-ऑर्डर एल्गोरिदम प्रस्तावित करता है, जो इष्टतम डायमेंशन-डिपेंडेंट कॉम्प्लेक्सिटी प्राप्त करता है और गोल्डस्टीन स्टेशनरी पॉइंट्स के लिए सर्वोत्तम ज्ञात सटीकता दरों से मेल खाता है।

Zhuanghua Liu, Luo Luo2026-05-26