🤖 Category

cs.LG

20106 पेपर

🤖 machine learning

Explainability Methods for Hardware Trojan Detection: A Systematic Comparison

यह शोध पत्र व्यवस्थित रूप से तीन श्रेणियों के व्याख्यात्मकता तरीकों—डोमेन-अवेयर प्रॉपर्टी एनालिसिस, मॉडल-एग्नोस्टिक केस-बेस्ड रीजनिंग, और मॉडल-एग्नोस्टिक फीचर एट्रिब्यूशन तकनीकों—की ट्रस्ट-हब बेंचमार्क पर तुलना करता है ताकि यह निर्धारित किया जा सके कि कौन सा दृष्टिकोण गेट-लेवल हार्डवेयर ट्रोजन डिटेक्शन में फाल्स पॉजिटिव और फाल्स नेगेटिव को कम करने के लिए सबसे बेहतर क्रियात्मक अंतर्दृष्टि प्रदान करता है।

Paul Whitten, Francis Wolff, Chris Papachristou2026-07-14
💰 quantitative finance

Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null

यह शोध पत्र एक संदूषण-जागरूक (contamination-aware) पाइपलाइन प्रस्तुत करता है जो यह प्रकट करता है कि क्रिप्टोकरेंसी व्हाइटपेपर नैरेटिव और बाजार संरचना के बीच संरेखण का पूर्व में रिपोर्ट किया गया संकेत डेटा त्रुटियों का एक आर्टिफैक्ट था, जबकि एक सत्यापित कॉर्पस के बाद के विश्लेषण में कोई महत्वपूर्ण पत्राचार नहीं पाया गया, हालांकि निम्न मापन विश्वसनीयता कमजोर संरेखण को खारिज करने से रोकती है।

Murad Farzulla2026-07-14
💬 NLP

FineInstructions: Scaling Synthetic Instructions to Pre-Training Scale

यह शोध पत्र FineInstructions को प्रस्तुत करता है, जो प्री-ट्रेनिंग कॉर्पोरा से अरबों सिंथेटिक निर्देश-प्रतिक्रिया युग्मों को उत्पन्न करने की एक विधि है जो बड़े भाषा मॉडल (LLMs) को केवल एक इंस्ट्रक्शन-ट्यूनिंग उद्देश्य पर शून्य से प्री-ट्रेन करने में सक्षम बनाती है, जिसके परिणामस्वरूप मानक प्री-ट्रेनिंग दृष्टिकोणों की तुलना में फ्री-फॉर्म रिस्पॉन्स बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।

Ajay Patel, Colin Raffel, Chris Callison-Burch2026-07-14
🤖 machine learning

CoGenCast: A Coupled Autoregressive-Flow Generative Framework for Time Series Forecasting

CoGenCast एक हाइब्रिड जनरेटिव फ्रेमवर्क है जो द्विआयामी (bidirectional) संदर्भ एन्कोडिंग के लिए एक पुनर्गठित प्री-ट्रेंड LLM को निरंतर स्टोकेस्टिक डायनेमिक्स (stochastic dynamics) को मॉडल करने के लिए एक फ्लो-मैचिंग मैकेनिज्म के साथ एकीकृत करता है, जिससे मल्टीमॉडल और क्रॉस-डोमेन अनुप्रयोगों का समर्थन करते हुए प्रतिस्पर्धी टाइम सीरीज़ फोरकास्टिंग प्रदर्शन प्राप्त होता है।

Mingyue Cheng, Yaguo Liu, Daoyu Wang, Xiaoyu Tao, Qi Liu2026-07-14
📊 statistics

Bures-Wasserstein Importance-Weighted Evidence Lower Bound: Exposition and Applications

यह शोध पत्र एक नवीन वेरिएशनल इन्फरेंस फ्रेमवर्क प्रस्तावित करता है जो बुरेस-वासरस्टीन स्पेस के भीतर इम्पॉर्टेंस-वेटेड एविडेंस लोअर बाउंड (IW-ELBO) को अनुकूलित करता है, जिससे एक सुलभ गॉसियन एल्गोरिदम प्राप्त होता है जिसमें ऐसे ग्रेडिएंट अनुमानक हैं जो मानक यूक्लिडियन दृष्टिकोणों की अक्षमताओं को दूर करने के लिए Ω(K)\Omega(\sqrt{K}) के रूप में अनुकूल सिग्नल-टू-नॉइज़ रेशियो स्केलिंग बनाए रखते हैं।

Peiwen Jiang, Takuo Matsubara, Minh-Ngoc Tran2026-07-14
🤖 AI

Disentangling Intrinsic Importance from Emergent Structure in Multi-Expert Orchestration

यह शोध पत्र INFORM को प्रस्तुत करता है, जो एक व्याख्यात्मकता ढांचा (interpretability framework) है जो मल्टी-एक्सपर्ट LLM सिस्टम में विशेषज्ञ अंतःक्रिया संरचना (expert interaction structure) को आंतरिक कार्यात्मक महत्व (intrinsic functional importance) से अलग करता है, यह प्रकट करते हुए कि बार-बार रूट किए जाने वाले विशेषज्ञ अक्सर गैर-महत्वपूर्ण हब के रूप में कार्य करते हैं जबकि कम चुने जाने वाले विशेषज्ञ संरचनात्मक रूप से महत्वपूर्ण होते हैं, जिससे आवश्यकता के प्रॉक्सी के रूप में रूटिंग फ्रीक्वेंसी (routing frequency) को चुनौती मिलती है।

Sudipto Ghosh, Sujoy Nath, Sunny Manchanda, Tanmoy Chakraborty2026-07-14
🤖 AI

SynthSAEBench: Evaluating Sparse Autoencoders on Scalable Realistic Synthetic Data

यह शोधपत्र SynthSAEBench प्रस्तुत करता है, जो एक स्केलेबल बेंचमार्क और टूलकिट है, जो स्पार्स ऑटोएन्कोडर आर्किटेक्चर का कठोरता से मूल्यांकन करने, सुपरपोजिशन नॉइज़ (superposition noise) के प्रति ओवरफिटिंग जैसे विफलता मोड का निदान करने, और वास्तविक LLMs पर उन्हें लागू करने से पहले सुधारों के लिए एक नियंत्रित लोअर-बाउंड टेस्ट स्थापित करने के लिए ग्राउंड-ट्रुथ फीचर्स वाले यथार्थवादी सिंथेटिक डेटा का उपयोग करता है।

David Chanin, Adrià Garriga-Alonso2026-07-14
🤖 AI

Turbo Connection: Reasoning as Information Flow from Higher to Lower Layers

यह शोध पत्र टर्बो कनेक्शन (TurboConn) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो उच्च से निम्न परतों तक कई रेसिडुअल कनेक्शनों को रूट करके प्री-ट्रेंड LLMs की तर्क क्षमताओं को बढ़ाता है, जिससे फिक्स्ड-डेप्थ कंप्यूटेशनल बाधाओं को दूर किया जा सके और पूर्ण मॉडल रिट्रेनिंग की आवश्यकता के बिना जटिल मल्टी-स्टेप कार्यों पर सटीकता में उल्लेखनीय सुधार किया जा सके।

Mohan Tang, Sidi Lu2026-07-14
🤖 AI

Format Sensitivity Index: Token-Controlled Prompt Wrapper Robustness and Schema Compliance in LLM Benchmarking

यह शोध पत्र फॉर्मेट सेंसिटिविटी इंडेक्स (FSI) और पारसेबिलिटी सेंसिटिविटी इंडेक्स (PSI) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि प्रॉम्प्ट रैपर्स में मामूली स्वरूपण अंतर महत्वपूर्ण, मॉडल-निर्भर स्कोर भिन्नता और अनुपालन विफलता का कारण बनते हैं, और यह तर्क दिया जाता है कि इस भिन्नता को ध्यान में रखे बिना बेंचमार्किंग सटीकता सांख्यिकीय रूप से नाजुक है।

Deep Pankajbhai Mehta2026-07-14
🤖 machine learning

Position: Every Ground Truth is a Human Construction, not an Objective Truth

यह स्थिति पत्र (position paper) तर्क देता है कि मशीन लर्निंग में 'ग्राउंड ट्रुथ' डेटासेट वस्तुनिष्ठ तथ्य नहीं बल्कि मानव-निर्मित कृत्रिम संरचनाएं (artifacts) हैं, और "स्थित विश्वसनीयता" (situated reliability) के माध्यम से मॉडल की विश्वसनीयता, पारदर्शिता और जवाबदेही में सुधार करने के लिए उनकी आकस्मिक प्रकृति को स्वीकार करने की वकालत करता है।

Charlotte Högberg, Ericka Johnson, Kiri L. Wagstaff2026-07-14