📊 statistics

Learning Treatment Effects during Resource Allocation via Priority-Queue Randomization

यह शोध पत्र एक प्रयोगात्मक डिजाइन ढांचे का प्रस्ताव करता है जो आवेदकों को जोखिम स्कोर के आधार पर प्राथमिकता कतारों (प्रायोरिटी क्यूज़) में यादृच्छिक रूप से विभाजित करता है ताकि एक साथ कारण संबंधी उपचार प्रभावों (कॉज़ल ट्रीटमेंट इफेक्ट्स) को सीखा जा सके और सीमित संसाधनों को उच्चतम आवश्यकता वाले लोगों को आवंटित किया जा सके, जबकि परिणामी पहचान रणनीतियों (आइडेंटिफिकेशन स्ट्रैटेजीज़) का लक्षण वर्णन किया जा सके और सांख्यिकीय दक्षता एवं नैतिक प्राथमिकता के बीच संतुलन को अनुकूलित किया जा सके।

JungHo Lee, Johnna Sundberg, Pim Welle, Bryan Wilder2026-05-26
🤖 machine learning

Grow-Prune-Freeze Networks: Adaptive & Continual Learning Technique for Olfactory Navigation

यह शोध पत्र नॉन-लीनियर रैंडम मैट्रिक्स थ्योरी पर आधारित 'ग्रो-प्रून-फ्रीज' (GPF) नेटवर्क फ्रेमवर्क प्रस्तुत करता है, जो टर्बुलेंट प्लम कार्यों में 94% सफलता दर प्राप्त करने के लिए नेटवर्क परतों को गतिशील रूप से विकसित करने, छाँटने और फ्रीज करने के माध्यम से घ्राण नेविगेशन (olfactory navigation) के लिए अनुकूली निरंतर शिक्षण सक्षम करता है, साथ ही अन्य मशीन लर्निंग डोमेन में सामान्यीकरण की क्षमता भी प्रदर्शित करता है।

Kordel K. France, Ovidiu Daescu2026-05-26
📊 statistics

Rejoinder: The ICML 2023 Ranking Experiment: Examining Author Self-Assessment in ML/AI Peer Review

यह प्रत्युत्तर ICML 2023 रैंकिंग प्रयोग पर मिली प्रतिक्रिया को चार प्रमुख विषयों के इर्द-गिर्द संरचित करके अपना उत्तर देता है: पीयर रिव्यू को सांख्यिकीय अनुमान के रूप में फ्रेम करना, आइसोटोनिक मैकेनिज्म (Isotonic Mechanism) में इक्विटी और रणनीतिक मुद्दों को कम करना, रिव्यूअर रैंकिंग जैसे पूरक संकेतों को एकीकृत करना, और जनरेटिव एआई (generative AI) के युग के लिए एक मानव-केंद्रित ढांचे का प्रस्ताव देना।

Buxin Su, Jiayao Zhang, Natalie Collina, Yuling Yan, Didong Li, Kyunghyun Cho, Jianqing Fan, Aaron Roth, Weijie Su2026-05-26
🧬 biology

Growing a Neural Network in Breadth, Depth, and Time

यह शोध पत्र पुनरावर्ती कनवल्शनल न्यूरल नेटवर्क (recurrent convolutional neural networks) को प्रशिक्षित करने के लिए एक अवकलनीय ढांचे (differentiable framework) को प्रस्तुत करता है जो चौड़ाई, गहराई और समय के संयुक्त लागतों को अनुकूलित करता है, जिससे यह पता चलता है कि संसाधन संबंधी बाधाएं विविध कम्प्यूटेशनल आर्किटेक्चर को कैसे आकार देती हैं और मानव प्रतिक्रिया समय के साथ कैसे सह-संबद्ध होती हैं।

Eivinas Butkus, Kedar Garzón Gupta, Nikolaus Kriegeskorte2026-05-26
🤖 machine learning

Influence-Inspired Spectral Rotations for Extreme Low-Bit LLM Quantization

यह शोध पत्र "BBT-spectral" प्रस्तुत करता है, जो एक इंजीनियरिंग-केंद्रित क्वांटाइजेशन विधि है जो वेट मैट्रिसेस (weight matrices) पर इन्फ्लुएंस-एडेप्टिव वॉल्श-हैडमार्ड रोटेशन्स (influence-adaptive Walsh-Hadamard rotations) और एनर्जी-बेस्ड रीस्केलिंग (energy-based rescaling) लागू करता है, जो विभिन्न मॉडल आर्किटेक्चर में अत्यधिक लो-बिट (W2A16) LLM क्वांटाइजेशन में परप्लेक्सिटी (perplexity) को महत्वपूर्ण रूप से कम करता है और इंटेल उपकरणों के साथ हार्डवेयर अनुकूलता सुनिश्चित करता है।

Gorgi Pavlov2026-05-26
📊 statistics

Multi-Objective Learning for Diffusion Models: A Statistical Theory under Semi-Supervised Learning

यह शोध पत्र एक अर्ध-पर्यवेक्षित (semi-supervised), दो-चरणीय प्रशिक्षण ढांचे का प्रस्ताव करता है जो प्रचुर मात्रा में अनलेबल डेटा का उपयोग करके हल्के विशेषज्ञ डिफ्यूजन मॉडलों को एक सामान्यज्ञ मॉडल में संकुचित (distill) करता है, जिससे उन सांख्यिकीय गारंटियों के साथ कुशल बहु-उद्देश्यीय शिक्षण प्राप्त होता है जो सामान्यज्ञ के बजाय केवल विशेषज्ञों की जटिलता पर निर्भर करते हैं।

Ziheng Cheng, Yixiao Huang, Hanlin Zhu, Haoran Geng, Somayeh Sojoudi, Jitendra Malik, Pieter Abbeel, Xin Guo2026-05-26
🤖 machine learning

Evolving Causal Regulatory Networks (ECR-Net)

यह शोध पत्र ECR-Net को प्रस्तुत करता है, जो एक जैव-प्रेरित (bio-inspired) ढांचा है जो डेटा-जनरेटिंग प्रक्रियाओं को गतिशील जीन नियामक नेटवर्क (Gene Regulatory Networks) के रूप में मॉडल करने के लिए विकासवादी खोज (evolutionary search) का उपयोग करता है, जिससे अनुकूलनशील कारण संरचनाओं (adaptive causal structures) की खोज संभव होती है जो पर्यावरणीय परिवर्तनों के जवाब में विकसित होती हैं और गैर-स्थिर प्रणालियों में सामान्यीकरण (generalization) में सुधार करती हैं।

Govind Vallabhasseri Binish, Abdhul Ahadh, Rano Roy Kavanal, Arya Ukunde2026-05-26
🤖 machine learning

Continuous-Depth Field Theory for Transformer Patching and Mechanistic Interpretability

यह शोधपत्र एक निरंतर-गहराई वाले क्षेत्र सिद्धांत (कंटीन्यूअस-डेप्थ फील्ड थ्योरी) ढांचे का प्रस्ताव करता है जो ट्रांसफॉर्मर एक्टिवेशन पैचिंग को स्थानीयकृत स्रोत प्रविष्टियों (लोकलाइज्ड सोर्स इंसर्शन) के रूप में मॉडल करता है और ग्रीन-फंक्शन प्रतिक्रियाओं के माध्यम से डाउनस्ट्रीम व्यवहारिक परिवर्तनों की भविष्यवाणी करता है, जिससे मैकेनिस्टिक हस्तक्षेपों को व्यवस्थित करने और अनुमान लगाने के लिए संवेदनशीलताओं और प्रसारित क्षेत्रों की एक गणितीय भाषा स्थापित होती है।

David N. Olivieri, Antonio F. Pérez Rodríguez2026-05-26
📊 statistics

On the Epistemic Uncertainty of Overparametrized Neural Networks

यह शोध पत्र इस पारंपरिक दृष्टिकोण को चुनौती देता है कि अधिक डेटा के साथ एपिस्टेमिक अनिश्चितता (epistemic uncertainty) समाप्त हो जाती है, यह प्रदर्शित करते हुए कि ओवरपैरामीटराइज्ड न्यूरल नेटवर्क में, समरूपताओं (symmetries) और रेडंडेंट रिप्रेजेंटेशन्स (redundant representations) के कारण होने वाली नॉन-आइडेंटिफिएबिलिटी (non-identifiability), अंतर्निहित फलन (underlying function) के पूरी तरह से पहचाने जाने के बावजूद भी निरंतर पैरामीटर अनिश्चितता की ओर ले जाती है, एक ऐसी घटना जिसका लेखकों ने सैद्धांतिक रूप से विश्लेषण किया है और वन-हिडन-लेयर ReLU नेटवर्क्स में अनुभवजन्य रूप से (empirically) प्रमाणित किया है।

David Rügamer2026-05-26
🤖 machine learning

Constraint-Anchored Attribution: Feasibility-Certified Counterfactuals and Bonferroni-PAC Sufficient Subsets for Neural CO Policies

यह शोध पत्र न्यूरल कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन पॉलिसियों के लिए एक कंस्ट्रेंट-एंकोर्ड एट्रिब्यूशन पद्धति प्रस्तुत करता है जो LP-रिलैक्सेशन ड्यूल्स के माध्यम से निर्णयों को विघटित करती है, कॉम्बिनेटोरियल फिजिबिलिटी मॉडल्स का उपयोग करके काउंटरफैक्टुअल्स को प्रमाणित करती है, और बोनफेरोनी-करेक्टेड PAC टेस्ट्स के साथ पर्याप्त स्पष्टीकरण आकारों को सीमित करती है, जो कई समस्या डोमेन में प्रॉक्सी ग्रेडिएंट्स की तुलना में काफी उच्च सटीकता प्रदर्शित करती है।

Sohaib Lafifi2026-05-26