🤖 Category

cs.LG

23700 पेपर

🔬 physics

Walsh-Hadamard Neural Operators for Solving PDEs with Discontinuous Coefficients

यह शोध पत्र वॉल्श-हाडामार्ड न्यूरल ऑपरेटर (WHNO) को प्रस्तुत करता है, जो फूरियर-आधारित विधियों की सीमाओं को पार करके विच्छिन्न गुणांकों (discontinuous coefficients) वाले आंशिक अंतर समीकरणों को प्रभावी ढंग से हल करने के लिए वॉल्श-हाडामार्ड ट्रांसफॉर्म का उपयोग करने वाला एक नवीन आर्किटेक्चर है, और यह प्रदर्शित करता है कि WHNO को फूरियर न्यूरल ऑपरेटरों के साथ एक एन्सेम्बल में संयोजित करने से तीक्ष्ण इंटरफेस और सुचारू विशेषताओं, दोनों को पकड़ने में काफी बेहतर सटीकता प्राप्त होती है।

Giorgio M. Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli2026-05-20
🤖 machine learning

Hierarchical Schedule Optimization for Fast and Robust Diffusion Model Sampling

यह शोध पत्र Hierarchical-Schedule-Optimizer (HSO) को प्रस्तुत करता है, जो एक नवीन द्वि-स्तरीय अनुकूलन ढांचा (bi-level optimization framework) है, जो इष्टतम इनिशियलाइजेशन के लिए वैश्विक खोज (global search) को मिडपॉइंट एरर प्रॉक्सी (Midpoint Error Proxy) और स्पेसिंग-पेनलाइज्ड फिटनेस (Spacing-Penalized Fitness) द्वारा निर्देशित स्थानीय परिशोधन (local refinement) के साथ जोड़कर, अत्यंत कम-NFE शासन में डिफ्यूजन मॉडल सैंपलिंग के लिए स्टेट-ऑफ-द-आर्ट, ट्रेनिंग-फ्री त्वरण प्राप्त करता है, और यह सब 8 सेकंड से कम की एकमुश्त लागत के भीतर किया जाता है।

Aihua Zhu, Rui Su, Qinglin Zhao, Li Feng, Meng Shen, Shibo He2026-05-20
🤖 machine learning

Gauge-Equivariant Graph Networks via Self-Interference Cancellation

यह शोध पत्र GESC को प्रस्तुत करता है, जो एक गेज-इक्विवेरिएंट ग्राफ नेटवर्क है जो योगात्मक एकत्रीकरण (additive aggregation) को प्रोजेक्शन-आधारित सेल्फ-इंटरफेरेंस कैंसलेशन मैकेनिज्म से बदलकर हेटरोफिली और ओवरस्मूथिंग की समस्या का समाधान करता है, जो अनावश्यक लो-फ्रीक्वेंसी घटकों को दबाता है और नकारात्मक रूप से संरेखित पड़ोसियों को नियंत्रित करता है।

Yoonhyuk Choi, Jiho Choi, Jiwoo Kang2026-05-20
🔬 physics

NORi: An ML-Augmented Ocean Boundary Layer Parameterization

NORi एक नवीन, भौतिकी-आधारित मशीन लर्निंग पैरामीट्राइजेशन है जो न्यूरल ऑर्डिनरी डिफरेंशियल इक्वेशंस को रिचर्डसन नंबर-निर्भर क्लोजर के साथ जोड़ता है ताकि जलवायु मॉडलों में महासागरीय सीमा परत के विक्षोभ और एंट्रेनमेंट डायनेमिक्स का सटीक और स्थिर रूप से अनुकरण किया जा सके, जो न्यूनतम प्रशिक्षण डेटा की आवश्यकता के साथ पारंपरिक विधियों से बेहतर प्रदर्शन करता है और दीर्घकालिक संख्यात्मक स्थिरता सुनिश्चित करता है।

Xin Kai Lee, Ali Ramadhan, Andre Souza, Gregory LeClaire Wagner, Simone Silvestri, John Marshall, Raffaele Ferrari2026-05-20
🤖 machine learning

MaxShapley: Towards Incentive-compatible Generative Search with Fair Context Attribution

यह शोध पत्र MaxShapley प्रस्तुत करता है, जो एक डिकम्पोज़ेबल (de-composable) मैक्स-सम उपयोगिता फलन (max-sum utility function) का लाभ उठाने वाला एक कुशल एल्गोरिदम है ताकि जनरेटिव सर्च इंजन में कंटेंट प्रदाताओं के लिए निष्पक्ष, बहुपद-समय (polynomial-time) क्रेडिट एट्रिब्यूशन प्रदान किया जा सके, जो सटीक शापली मानों (Shapley values) के तुलनीय सटीकता प्राप्त करते हुए कंप्यूटिंग संसाधनों की खपत को काफी कम कर देता है।

Sara Patel, Mingxun Zhou, Giulia Fanti2026-05-20
🤖 machine learning

Eliminating Inductive Bias in Reward Models with Information-Theoretic Guidance

यह शोध पत्र DIR को प्रस्तुत करता है, जो एक सूचना-सैद्धांतिक (information-theoretic) डिबायसिंग विधि है जो रिवॉर्ड मॉडल्स से रिस्पॉन्स लेंथ, सिकोफैंसी और फॉर्मेट जैसे जटिल इंडक्टिव बायस को प्रभावी ढंग से समाप्त करने के लिए म्यूचुअल इंफॉर्मेशन को ऑप्टिमाइज़ करती है, जिससे RLHF में उनके सामान्यीकरण और प्रदर्शन को बढ़ाया जा सके।

Zhuo Li, Pengyu Cheng, Zhechao Yu, Feifei Tong, Anningzhe Gao, Tsung-Hui Chang, Xiang Wan, Erchao Zhao, Xiaoxi Jiang, Gu (…)2026-05-20
🤖 machine learning

DynaSTy: A Framework for SpatioTemporal Node Attribute Prediction in Dynamic Graphs

DynaSTy एक एंड-टू-एंड ट्रांसफॉर्मर-आधारित फ्रेमवर्क है जो समय-परिवर्तनीय एडजेसेंसी मैट्रिसेस को अनुकूलन योग्य अटेंशन बायस के रूप में शामिल करके और त्रुटि संचय (error compounding) को कम करने के लिए विशेष प्रशिक्षण रणनीतियों का उपयोग करके गतिशील ग्राफों में मल्टीस्टेप नोड विशेषताओं की भविष्यवाणी करता है, जिससे यह मौजूदा स्टैटिक-ग्राफ बेसलाइनों से बेहतर प्रदर्शन करता है।

Namrata Banerji, Tanya Berger-Wolf2026-05-20
📊 statistics

On the Provable Suboptimality of Momentum SGD in Nonstationary Stochastic Optimization

यह शोधपत्र सैद्धांतिक रूप से सिद्ध करता है कि नॉनस्टेशनरी स्टोकेस्टिक ऑप्टिमाइज़ेशन में, मोमेंटम-आधारित SGD वेरिएंट एक अपरिहार्य ड्रिफ्ट-एम्प्लीफिकेशन पेनल्टी (drift-amplification penalty) उत्पन्न करते हैं जो व्यवस्थित ट्रैकिंग लैग का कारण बनता है और उन्हें ड्रिफ्ट-डोमिनेटेड रिजीम्स (drift-dominated regimes) में वैनिला SGD की तुलना में प्रमाणिक रूप से उप-इष्टतम (suboptimal) बनाता है।

Sharan Sahu, Cameron J. Hogan, Martin T. Wells2026-05-20
📊 statistics

Efficient and Minimax Optimal In-context Nonparametric Regression with Transformers

यह शोध पत्र प्रदर्शित करता है कि लघुगणकीय (logarithmic) पैरामीटर्स और प्रीट्रेनिंग अनुक्रमों की काफी कम संख्या वाला एक प्रीट्रेन्ड ट्रांसफार्मर, कर्नेल-वेटेड पॉलीनोमियल बेसिस और ग्रेडिएंट डिसेंट के माध्यम से लोकल पॉलीनोमियल एस्टिमेटर्स को कुशलतापूर्वक अनुमानित करके, इन-कॉन्टेक्स्ट नॉनपैरामीट्रिक रिग्रेशन के लिए मिनिमैक्स ऑप्टिमल कन्वर्जेंस रेट्स प्राप्त कर सकता है।

Michelle Ching, Ioana Popescu, Nico Smith, Tianyi Ma, William G. Underwood, Richard J. Samworth2026-05-20
🤖 machine learning

Feature-Space Smoothing: Certified Robustness of Deep Representations

यह शोध पत्र फीचर-स्पेस स्मूथिंग (FS) का प्रस्ताव करता है, जो एक प्रमाणित सुदृढ़ता (certified robustness) ढांचा है जो फीचर एनकोडर्स को गड़बड़ी के तहत गारंटीकृत कोसाइन समानता सीमाओं वाले स्मूद वेरिएंट में परिवर्तित करता है, जिसे बिना पुनरप्रशिक्षण के MLLMs जैसे मॉडलों में सुदृढ़ता में सुधार करने के लिए एक प्लग-एंड-प्ले गॉसियन स्मूथनेस बूस्टर (GSB) द्वारा बढ़ाया गया है।

Song Xia, Meiwen Ding, Chenqi Kong, Wenhan Yang, Xudong Jiang2026-05-20