🤖 Category

cs.LG

23992 पेपर

🤖 AI

Prior Knowledge or Search? A Study of LLM Agents in Hardware-Aware Code Optimization

यह अध्ययन प्रदर्शित करता है कि हार्डवेयर-जागरूक कोड अनुकूलन (hardware-aware code optimization) में एलएलएम (LLM) एजेंट मुख्य रूप से प्रीट्रेंड प्रायर्स (pretrained priors) पर निर्भर करते हैं न कि पुनरावृत्ति फीडबैक (iterative feedback) या एजेंटिक संरचनाओं पर, जैसा कि ब्लैक-बॉक्स सेटिंग्स में उनके ग्रीडी व्यवहार (greedy behavior), अनदेखे कर्नेल आकारों के प्रति अनुकूलन करने में अक्षमता, और लो-डेंसिटी इंटरमीडिएट रिप्रेजेंटेशन (low-density intermediate representations) के साथ काम करने पर प्रदर्शन में गिरावट से सिद्ध होता है।

Dmitry Redko (Applied AI Institute), Albert Fazlyev (AI Talent Hub, ITMO University), Konstantin Sozykin (Applied AI Ins (…)2026-05-20
🤖 AI

Stitched Value Model for Diffusion Alignment

यह शोध पत्र StitchVM को प्रस्तुत करता है, जो एक हल्का मॉडल स्टिचिंग फ्रेमवर्क है जो एक फ्रोजन डिफ्यूजन बैकबोन को संलग्न करके प्रीट्रेन पिक्सेल-स्पेस रिवॉर्ड मॉडल्स को नॉइज़ी लेटेंट स्पेस में कुशलतापूर्वक स्थानांतरित करता है, जिससे टवीडी अनुमानों (Tweedie estimates) के पूर्वाग्रह या मोंटे कार्लो रोलआउट्स की उच्च लागत के बिना डिफ्यूजन मॉडल्स का सटीक और गणनात्मक रूप से कुशल संरेखण सक्षम होता है।

Hyojun Go, Hyungjin Chung, Prune Truong, Goutam Bhat, Li Mi, Zhaochong An, Zixiang Zhao, Dominik Narnhofer, Serge Belong (…)2026-05-20
🤖 machine learning

LionMuon: Alternating Spectral and Sign Descent for Efficient Training

यह शोध पत्र LionMuon को पेश करता है, जो एक कुशल ऑप्टिमाइज़र है जो एक ही मोमेंटम बफर साझा करते हुए Lion और Muon के अपडेट्स के बीच बारी-बारी से काम करता है, जिससे AdamW, Lion और Muon जैसे मौजूदा तरीकों की तुलना में विभिन्न मॉडल स्केल्स पर बेहतर प्रदर्शन और कम कम्प्यूटेशनल लागत प्राप्त होती है।

Arman Bolatov, Artem Riabinin, Nikita Kornilov, Andrey Veprikov, Samuel Horváth, Martin Takáč, Aleksandr Beznosikov2026-05-20
📊 statistics

FLUXtrapolation: A benchmark on extrapolating ecosystem fluxes

यह शोध पत्र FLUXtrapolation को प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसे बढ़ते हुए कठिन वितरण परिवर्तनों (distribution shifts) के तहत पारिस्थितिकी तंत्र के प्रवाह (ecosystem fluxes) का अनुमान लगाने की मशीन लर्निंग मॉडलों की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जिससे विरल टावर मापों (sparse tower measurements) को वैश्विक स्तरों तक सटीक रूप से अपस्केल करने की महत्वपूर्ण चुनौती का समाधान किया जा सके।

Anya Fries, Jacob A Nelson, Martin Jung, Markus Reichstein, Jonas Peters2026-05-20
📊 statistics

Smooth Piecewise Cutting for Neural Operator to Handle Discontinuities and Sharp Transitions

यह शोध पत्र Cut-DeepONet को प्रस्तुत करता है, जो एक दो-चरणीय न्यूरल ऑपरेटर फ्रेमवर्क है जो डोमेन को चिकने उप-क्षेत्रों में विभाजित करके और सीमाओं के स्थानों की भविष्यवाणी करके विच्छेदन (discontinuities) को स्पष्ट रूप से मॉडल करता है, जिससे मौजूदा विधियों की तुलना में कम मापदंडों और कम-रिज़ॉल्यूशन वाले डेटा का उपयोग करके तीव्र संक्रमण (sharp transitions) वाली PDEs पर बेहतर प्रदर्शन प्राप्त होता है।

Ha Dang, Sebastian Schmidt, Juergen Hesser2026-05-20
📊 statistics

Set-Valued Policy Learning

यह शोधपत्र कई उपचारों के लिए एक सेट-वैल्यूड पॉलिसी लर्निंग फ्रेमवर्क प्रस्तुत करता है जो एक एकल अनुशंसा के बजाय संभावित हस्तक्षेपों का एक सेट आउटपुट करता है, जिससे 'ग्रेटेस्ट लोअर बाउंड' और 'कॉन्फ़ॉर्मल पॉलिसी लर्निंग' जैसी नवीन विधियों के माध्यम से अंतर्निहित अनिश्चितता परिमाणीकरण और सुदृढ़ निर्णय लेना संभव होता है।

Laura Fuentes-Vicente, Mathieu Even, Gaëlle Dormion, Antoine Chambaz, Uri Shalit, Julie Josse2026-05-20
🤖 machine learning

Auditing Privacy in Multi-Tenant RAG under Account Collusion

यह शोध पत्र यह पहचान करता है कि प्रति-खाता विभेदक गोपनीयता (differential privacy) का दावा करने वाले मल्टी-टेनेंट RAG सिस्टम, समान-टेनेंट खाता मिलीभगत (same-tenant account collusion) के तहत असीमित गोपनीयता क्षरण के प्रति संवेदनशील हैं, और बिना किसी सिस्टम संशोधन या इंडेक्स प्रकटीकरण की आवश्यकता के, रिट्रीवल-स्कोर चैनल की गोपनीयता गारंटी को मात्रात्मक रूप से सत्यापित करने के लिए क्रिप्टोग्राफिक प्रिमिटिव्स का उपयोग करते हुए पहले ऑडिट प्रोटोकॉल का प्रस्ताव करता है।

Florian A. D. Burnat, Brittany I. Davidson2026-05-20
🤖 machine learning

Fast and Featureless Node Representation Learning with Partial Pairwise Supervision

यह शोधपत्र कॉन्ट्रास्टिव फ्यूज़ (Contrastive FUSE) प्रस्तुत करता है, जो एक तेज़ और एकीकृत ढांचा है जो आंशिक युग्मवार पर्यवेक्षण (pairwise supervision) और बिना नोड विशेषताओं वाले ग्राफ़ पर स्केलेबल नोड प्रतिनिधित्व सीखने में सक्षम बनाता है, जो एक हल्के मॉड्यूलरिटी सन्निकटन (modularity approximation) के साथ स्पेक्ट्रल कॉन्ट्रास्टिव ऑब्जेक्टिव को अनुकूलित करता है।

Sujan Chakraborty, Saptarshi Bej2026-05-20
🤖 machine learning

JAXenstein: Accelerated Benchmarking for First-Person Environments

यह शोधपत्र JAXenstein को प्रस्तुत करता है, जो एक ओपन-सोर्स, JAX-आधारित बेंचमार्क है जो विजुअल फर्स्ट-पर्सन रिइन्फोर्समेंट लर्निंग अनुसंधान के लिए एक तेज़, स्केलेबल और विस्तार योग्य प्लेटफॉर्म प्रदान करने हेतु Wolfenstein 3D इंजन को लागू करता है, जो JAX इकोसिस्टम में ऐसे वातावरणों की वर्तमान कमी को संबोधित करता है।

Ruo Yu Tao, George Konidaris2026-05-20
🤖 AI

StruMPL: Multi-task Dense Regression under Disjoint Partial Supervision and MNAR Labels

StruMPL एक नवीन मल्टी-टास्क डेंस रिग्रेशन फ्रेमवर्क है जो साझा एनकोडर्स, प्रोपेंसिटी और इम्प्यूटेशन हेड्स के माध्यम से स्थानिक MNAR सुधार और सीख योग्य भौतिक-आधारित बाधाओं को एकीकृत करके वन के उपरोक्त जमीनी बायोमास (aboveground biomass) और संरचनात्मक चरों का संयुक्त रूप से अनुमान लगाता है, जो विलगित आंशिक पर्यवेक्षण (disjoint partial supervision) और पक्षपाती ग्राउंड लेबल्स की चुनौतियों से प्रभावी ढंग से निपटने के लिए एक ऑगमेंटेड IPW लॉस का उपयोग करता है।

Reza M. Asiyabi, Juan Alberto Molina-Valero, The SEOSAW Partnership, Steven Hancock, Casey M. Ryan2026-05-20