🤖 Category

cs.LG

23609 पेपर

🤖 machine learning

Latent Q-Barrier Shielding for Safe In-Context Reinforcement Learning

यह शोध पत्र एक लेटेंट क्यू-बैरियर शील्डिंग (Latent Q-Barrier Shielding) फ्रेमवर्क प्रस्तावित करता है जो आउट-ऑफ-डिस्ट्रीब्यूशन शिफ्ट्स के तहत सुरक्षित इन-कॉन्टेक्स्ट सुदृढीकरण शिक्षण (in-context reinforcement learning) को बढ़ाता है, जो टेस्ट-टाइम पैरामीटर अपडेट की आवश्यकता के बिना संदर्भ का अनुमान लगाकर और भविष्य की लागतों एवं शेष सुरक्षा बजटों के आधार पर कार्यों को फ़िल्टर करके किया जाता है, जिससे कई बेंचमार्क में बेहतर रिवॉर्ड-सेफ्टी ट्रेडऑफ़ प्राप्त होता है।

Minjae Kwon, Amir Moeini, Shangtong Zhang, Lu Feng2026-05-26
🤖 machine learning

Label-NTK Alignments and A Tighter Convergence Bound in the NTK Regime

यह शोधपत्र लेबल-एनटीके (Label-NTK) और रेसिडुअल-एनटीके (Residual-NTK) संरेखण की अवधारणाओं को पेश करता है ताकि ओवर-पैरामीटराइज्ड न्यूरल नेटवर्क के लिए एक अधिक सटीक, स्पेक्ट्रम-निर्भर अभिसरण सीमा (convergence bound) प्राप्त की जा सके जो व्यावहारिक प्रशिक्षण गतिकी से बेहतर मेल खाती है और शास्त्रीय वर्स्ट-केस परिणामों में सुधार करती है।

Ruchirinkil Marreddy, Chaoyue Liu2026-05-26
🤖 machine learning

A Principled Self-Referenced Early Stopping Approach for Deep Image Prior

यह शोध पत्र डीप इमेज प्रायर के लिए एक सिद्धांत-आधारित स्व-संदर्भित अर्ली स्टॉपिंग फ्रेमवर्क प्रस्तावित करता है जो विभिन्न इनवर्स इमेजिंग समस्याओं में सटीक शोर स्तर अनुमानों की आवश्यकता के बिना ओवरफिटिंग का मजबूती से पता लगाने और निकट-इष्टतम पुनर्निर्माण प्रदर्शन प्राप्त करने के लिए छद्म स्व-संदर्भित छवियों का निर्माण करता है।

Chaoyan Huang, Cheng-Han Huang, Ismail R. Alkhouri, Rongrong Wang2026-05-26
🤖 machine learning

When Interpretability Becomes a Liability: Adversarial Attacks on CBM Concept Layers

यह शोध पत्र प्रकट करता है कि कॉन्सेप्ट बॉटलनेक मॉडल्स (CBMs) में एक महत्वपूर्ण भेद्यता है जहाँ न्यूनतम इनपुट व्यवधान उनके सिमेंटिक कॉन्सेप्ट लेयर्स को विनाशकारी रूप से हेरफेर कर सकते हैं, और SPECTRA का प्रस्ताव करता है, जो एक नई रक्षा पद्धति है जो वर्गीकरण सटीकता को बनाए रखते हुए हमले की कठिनाई को नाटकीय रूप से बढ़ा देती है।

Aditya Sridhar2026-05-26
🤖 machine learning

Electricity Consumption Forecasting: An Approach Using Cooperative Ensemble Learning with SHapley Additive exPlanations

यह अध्ययन वीकर सेपरेटर बूस्टर (WSB) नामक एक सहकारी एन्सेम्बल लर्निंग दृष्टिकोण का प्रस्ताव करता है, जो दो IFPR परिसरों के लिए 12 महीने की बिजली खपत का सटीक पूर्वानुमान लगाने हेतु जेनेटिक और पार्टिकल स्वॉर्म एल्गोरिदम द्वारा अनुकूलित और SHAP-आधारित फीचर चयन के साथ एकीकृत LSTM, RF, SVR और XGBoost मॉडलों को जोड़ता है, जिससे यह पता चलता है कि लैग्ड टाइम-सीरीज मान जलवायु चरों की तुलना में प्रमुख भविष्यवक्ता हैं।

Eduardo Luiz Alba, Gilson Adamczuk Oliveira, Matheus Henrique Dal Molin Ribeiro, Érick Oliveira Rodrigues2026-05-26
📊 statistics

UWM-JEPA: Predictive World Models That Imagine in Belief Space

यह शोध पत्र UWM-JEPA को प्रस्तुत करता है, जो एक प्रेडिक्टिव वर्ल्ड मॉडल है जो आंशिक रूप से प्रेक्षित वातावरणों में ब्लाइंड रोलआउट्स के दौरान अनिश्चितता को बनाए रखने के लिए डेंसिटी-मैट्रिक्स लेटेंट्स और यूनिटरी प्रेडिक्टर्स का उपयोग करता है, जो काउंटरफैक्चुअल एक्शन सेंसिटिविटी और फ्यूचर इमेजिनेशन कार्यों में वेक्टर-लेटेंट बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।

Santosh Kumar Radha, Oktay Goktas2026-05-26
🤖 machine learning

CausalFlow: Causal Attribution and Counterfactual Repair for LLM Agent Failures

CausalFlow एक इंटरवेंशनल फ्रेमवर्क है जो निष्पादन ट्रेसेस (execution traces) को मॉडल करके कारण संबंधी विफलता बिंदुओं (causal failure points) की पहचान करने और तत्काल टेस्ट-टाइम रिकवरी एवं ऑफलाइन ट्रेनिंग सुपरविजन दोनों के लिए न्यूनतम काउंटरफैक्चुअल रिपेयर्स (counterfactual repairs) उत्पन्न करने के माध्यम से LLM एजेंट विफलताओं को विश्वसनीय लर्निंग सिग्नल्स में परिवर्तित करता है।

Akash Bonagiri, Devang Borkar, Gerard Janno Anderias, Setareh Rafatirad, Houman Homayoun2026-05-26
⚡ electrical engineering

Parallel Differentiable Reachability for Learning and Planning with Certified Neural Dynamics and Controllers

यह शोध पत्र JAX में एक समानांतर करने योग्य (parallelizable), अवकलनीय (differentiable) पहुँच क्षमता ढांचे (reachability framework) को प्रस्तुत करता है जो अनिश्चितता के तहत न्यूरल नेटवर्क डायनेमिक्स और कंट्रोलर्स के लिए प्रमाणित प्रशिक्षण और ग्रेडिएंट-आधारित योजना को सक्षम करने के लिए टेलर-मॉडल फ्लोपाइप्स (Taylor-model flowpipes) को CROWN-शैली के बाउंड प्रोपेगेशन के साथ जोड़ता है।

Keyi Shen, Glen Chou2026-05-26
🤖 machine learning

Certified Robustness from Approximate Gaussian Mixture Structures in Pretrained Latent Spaces

यह शोध पत्र प्रमाणित रूप से सुदृढ़ (certifiably robust) क्लासिफायर के लिए एक ऐसा ढांचा प्रस्तावित करता है जो प्रीट्रेन्ड लेटेंट स्पेस की अनुमानित गॉसियन मिश्रण संरचना (approximate Gaussian mixture structure) का लाभ उठाता है, यह सिद्ध करते हुए कि वितरण संबंधी सन्निकटन त्रुटियों (distributional approximation errors) के साथ मजबूती की गारंटी धीरे-धीरे कम होती है और बिना किसी सटीक वितरण संबंधी धारणाओं की आवश्यकता के CIFAR-10 और ImageNet पर अत्याधुनिक प्रमाणित सटीकता प्राप्त करता है।

Konstantinos Emmanouilidis, Tianjiao Ding, Nghia Nguyen, Nicolas Loizou, René Vidal2026-05-26
🔬 physics

PDEInvBench: A Comprehensive Dataset and Design Space Exploration of Neural Networks for PDE Inverse Problems

यह शोध पत्र PDEInvBench प्रस्तुत करता है, जो PDE व्युत्क्रम समस्याओं (inverse problems) के लिए एक व्यापक बेंचमार्क डेटासेट है, और इसका उपयोग न्यूरल नेटवर्क डिज़ाइन स्पेसों का अन्वेषण करने के लिए करता है, जिससे यह पता चलता है कि पैरामीटर पर्यवेक्षण (parameter supervision) के साथ टेस्ट-टाइम रेसिडुअल फाइन-ट्यूनिंग को संयोजित करने वाली एक दो-चरणीय प्रशिक्षण प्रक्रिया, और PDE डेरिवेटिव इनपुट एवं विविध प्रारंभिक स्थितियों के साथ, पैरामीटर अनुमान प्रदर्शन में महत्वपूर्ण सुधार करती है।

Divyam Goel, Nithin Chalapathi, Sanjeev Raja, Aditi S. Krishnapriyan2026-05-26