cs.LG पेपर | Gist.Science

MaskAttn-SDXL: Controllable Region-Level Text-To-Image Generation

MaskAttn-SDXL, SDXL के लिए एक प्लग-इन मॉड्यूल है जो क्रॉस-अटेंशन लॉजिट्स (cross-attention logits) में टोकन-कंडीशन्ड स्पेशियल गेटिंग (token-conditioned spatial gating) को इंजेक्ट करके नियंत्रित क्षेत्र-स्तरीय टेक्स्ट-टू-इमेज जनरेशन को बढ़ाता है, ताकि बैकबोन आर्किटेक्चर को बदले बिना या अतिरिक्त पर्यवेक्षण की आवश्यकता के बिना अप्रासंगिक एट्रिब्यूट बाइंडिंग्स को दबाया जा सके और कंपोजिशनल विश्वसनीयता में सुधार किया जा सके।

Yu Chang, Jiahao Chen, Anzhe Cheng, Paul Bogdan2026-05-19

🤖 machine learning

CoUn: Empowering Machine Unlearning via Contrastive Learning

यह शोध पत्र CoUn को पेश करता है, जो एक नवीन मशीन अनलर्निंग फ्रेमवर्क है जो भूल जाने वाले नमूनों (forget samples) के प्रभाव को उनके सिमेंटिक रिप्रजेंटेशन को समायोजित करके प्रभावी ढंग से हटाने के लिए रिटेन डेटा पर कंट्रास्टिव लर्निंग और सुपरवाइज्ड लर्निंग का लाभ उठाता है, जिससे यह मौजूदा अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।

Yasser H. Khalil, Mehdi Setayesh, Hongliang Li2026-05-19

🤖 machine learning

Improving MLLM Training Efficiency via Stage-Aware Sparsity

यह शोध पत्र स्पार्स ट्रेनिंग स्कीम (STS) का प्रस्ताव करता है, जो एक स्टेज-अवेयर फ्रेमवर्क है जो कंप्यूटेशनल रेडंडेंसी के विभिन्न स्रोतों को संबोधित करने के लिए एलाइनमेंट के दौरान विजुअल टोकन्स को डायनामिक रूप से कंप्रेस करके और इंस्ट्रक्शन ट्यूनिंग के दौरान अनावश्यक लेयर्स को स्किप करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल ट्रेनिंग की दक्षता में सुधार करता है।

Kean Shi, Liang Chen, Haozhe Zhao, Baobao Chang2026-05-19

🤖 machine learning

Parameterized Hardness of Zonotope Containment and Neural Network Verification

यह शोध पत्र इनपुट आयाम $d$ के सापेक्ष प्रमुख कार्यों, जिनमें धनात्मकता (positivity) का निर्णय लेना, लिप्सचिट्ज़ स्थिरांक (Lipschitz constants) की गणना करना और ज़ोनोटोप समावेशन (zonotope containment) शामिल हैं, को W[1]-हार्ड सिद्ध करके न्यूरल नेटवर्क सत्यापन की पैरामीटराइज्ड जटिलता से संबंधित खुली समस्याओं का समाधान करता है, जिससे यह स्थापित होता है कि एक्सपोनेंशियल टाइम हाइपोथीसिस (Exponential Time Hypothesis) के तहत सहज गणनात्मक विधियाँ (naive enumeration methods) अनिवार्य रूप से इष्टतम हैं।

Vincent Froese, Moritz Grillo, Christoph Hertrich, Moritz Stargalla2026-05-19

📊 statistics

Sparse Deep Additive Model with Interactions: Enhancing Interpretability and Predictability

यह शोध पत्र स्पार्स डीप एडिटिव मॉडल विद इंटरैक्शंस (SDAMI) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो कम-नमूना, उच्च-आयामी डेटा में मजबूत व्याख्यात्मकता बनाए रखते हुए और गलत सकारात्मकता को न्यूनतम करते हुए जटिल उच्च-क्रम अंतःक्रियाओं और मुख्य प्रभावों को सटीक रूप से पहचानने के लिए "इफेक्ट फुटप्रिंट" सिद्धांत और एक तीन-चरणीय डीप लर्निंग रणनीति का लाभ उठाता है।

Yi-Ting Hung, Li-Hsiang Lin, Vince D. Calhoun2026-05-19

⚡ electrical engineering

Density-Ratio Weighted Behavioral Cloning: Learning Control Policies from Corrupted Datasets

यह शोध पत्र डेंसिटी-रेश्यो वेटेड बिहेवियरल क्लोनिंग (Density-Ratio Weighted Behavioral Cloning) प्रस्तुत करता है, जो एक सुदृढ़ ऑफलाइन रिइन्फोर्समेंट लर्निंग पद्धति है जो डेंसिटी-रेश्यो वेट्स का अनुमान लगाने और उन्हें लागू करने के लिए एक छोटे स्वच्छ संदर्भ सेट (clean reference set) का लाभ उठाती है, जिससे बिना किसी पूर्व भ्रष्टाचार तंत्र के ज्ञान के, प्रतिकूल हमलों या निम्न-गुणवत्ता वाले नमूनों से अत्यधिक दूषित डेटासेट से भी निकट-इष्टतम नियंत्रण नीतियों को सीखना सक्षम होता है।

Shriram Karpoora Sundara Pandian, Ali Baheri2026-05-19

📊 statistics

Truthful Calibration Errors for Multi-Class Prediction

यह शोध पत्र मल्टी-क्लास भविष्यवाणियों के लिए पूर्णतः सत्यनिष्ठ अंशांकन त्रुटियों (calibration errors) को प्रस्तुत करता है जो रणनीतिक संभाव्यता विरूपण को रोकते हैं, ब्लैकवेल प्रभुत्व (Blackwell dominance) को संरक्षित करते हैं, और मानक गैर-सत्यनिष्ठ मापों की तुलना में अधिक स्थिर मॉडल रैंकिंग प्रदान करते हैं।

Yuxuan Lu, Yifan Wu, Jason Hartline, Lunjia Hu2026-05-19

🤖 AI

NeuroRVQ: Multi-Scale Biosignal Tokenization for Generative Foundation Models

यह शोध पत्र NeuroRVQ को प्रस्तुत करता है, जो एक मोडैलिटी-अनुकूलित (modality-adaptive) बायोसिग्नल टोकेनाइज़र है जो उच्च-निष्ठा सिग्नल पुनर्निर्माण प्राप्त करने के लिए मल्टी-स्केल टेम्पोरल कनवल्शन और पोज़-अवेयर लॉस (phase-aware loss) के साथ पदानुक्रमित अवशिष्ट वेक्टर क्वांटाइजेशन (hierarchical residual vector quantization) का उपयोग करता है, जिससे NeuroRVQ-FM फाउंडेशन मॉडल्स को डाउनस्ट्रीम कार्यों में मौजूदा विधियों से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके।

Konstantinos Barmpas, Na Lee, Dimitrios Chalatsis, William Raftery, Yannis Panagakis, Dimitrios A. Adamos, Nikolaos Lask (…)2026-05-19

🤖 machine learning

WELD: The First Naturalistic Long-Period Small-Team Workplace Emotion Dataset for Ubiquitous Affective Computing

यह शोध पत्र WELD को प्रस्तुत करता है, जो कि 49 कर्मचारियों के 30.1 महीनों के पैसिव फेशियल-एक्सप्रेशन डेटा से बना पहला प्राकृतिक, बहु-वर्षीय कार्यस्थल भावना डेटासेट है, जो स्थापित भावनात्मक घटनाओं की पुष्टि करता है और भावनात्मक भिन्नता, शासन गतिशीलता (रेजीम डायनेमिक्स), टर्नओवर भविष्यवाणी मेट्रिक्स और एल्गोरिद्मिक निष्पक्षता पूर्वाग्रहों में नवीन अंतर्दृष्टि प्रकट करता है।

Xiao Sun2026-05-19

🤖 machine learning

Needles in the Landscape: Semi-Supervised Pseudolabeling for Archaeological Site Discovery under Label Scarcity

यह शोध पत्र गतिशील छद्म-लेबलिंग (pseudolabeling) और CRF परिशोधन के साथ एक अर्ध-पर्यवेक्षित सकारात्मक-अलेबल (positive-unlabeled) शिक्षण ढांचे का प्रस्ताव करता है, जो कम लेबल वाले परिदृश्यों में पुरातात्विक स्थलों को प्रभावी ढंग से खोजने के लिए डिजिटल एलिवेशन मॉडल और कच्चे उपग्रह इमेजरी दोनों पर अत्याधुनिक प्रदर्शन प्राप्त करता है।

Simon Jaxy, Anton Theys, Patrick Willett, W. Chris Carleton, Ralf Vandam, Pieter Libin2026-05-19

← पिछला अगला →