cs.LG पेपर | Gist.Science

Interpretable epistemic uncertainty decomposition in sequential generative models via polynomial chaos surrogates

यह शोध पत्र एक ऐसे ढांचे को प्रस्तुत करता है जो अनुक्रमिक जनरेटिव मॉडलों (sequential generative models) में एपिस्टेमिक अनिश्चितता (epistemic uncertainty) को विश्लेषणात्मक रूप से विघटित और व्याख्या करने के लिए पॉलिनॉमियल चाओस सरोगेट्स (polynomial chaos surrogates) का उपयोग करता है, जिससे मौजूदा डीप लर्निंग विधियों की तुलना में काफी अधिक उच्च कम्प्यूटेशनल दक्षता और औपचारिक सत्यापन के साथ उन विशिष्ट रिवॉर्ड घटकों की पहचान करना सक्षम होता है जो जनरेटिव निर्णयों को संचालित करते हैं।

Ramón Nartallo-Kaluarachchi, Shashanka Ubaru, Małgorzata J Zimoń, Dongsung Huh, Robert Manson-Sawko, Lior Horesh, Yoshua (…)2026-05-19

⚛️ high-energy experiments

Spatially Aware Linear Transformer (SAL-T) for Particle Jet Tagging

यह शोध पत्र स्पेशियली अवेयर लीनियर ट्रांसफॉर्मर (SAL-T) को प्रस्तुत करता है, जो एक भौतिकी-प्रेरित आर्किटेक्चर है जो लीनियर अटेंशन को स्थानिक रूप से जागरूक विभाजन और कनवल्शनल परतों के साथ जोड़ता है ताकि पार्टिकल जेट टैगिंग में ट्रांसफॉर्मर-स्तर की सटीकता प्राप्त करते हुए कम्प्यूटेशनल जटिलता और इन्फरेंस लेटेंसी को काफी कम किया जा सके।

Aaron Wang, Zihan Zhao, Subash Katel, Vivekanand Gyanchand Sahu, Elham E Khoda, Abhijith Gandrakota, Jennifer Ngadiuba (…)2026-05-19

📊 statistics

Stochastic Regret Guarantees for Online Zeroth- and First-Order Bilevel Optimization

यह शोध पत्र एक नवीन खोज दिशा (search direction) प्रस्तुत करता है जो प्रथम- और शून्य-क्रम के स्टोकेस्टिक ऑनलाइन बाइलेवल ऑप्टिमाइज़ेशन एल्गोरिदम को विंडो स्मूथिंग के बिना उपरेखीय (sublinear) स्टोकेस्टिक रिग्रेट प्राप्त करने में सक्षम बनाती है, जबकि साथ ही ओरैकल निर्भरता को कम करके और एकीकृत चर अपडेट के माध्यम से दक्षता में सुधार करती है।

Parvin Nazari, Bojian Hou, Davoud Ataee Tarzanagh, Li Shen, George Michailidis2026-05-19

🤖 machine learning

Towards Migrating Neural Network Implementations

यह शोध पत्र एक पिवट मॉडल (pivot model) का उपयोग करके एक एब्स्ट्रैक्शन बनाने के माध्यम से न्यूरल नेटवर्क कोड को विभिन्न डीप लर्निंग फ्रेमवर्क्स, जैसे कि PyTorch और TensorFlow, के बीच माइग्रेट करने के लिए एक स्वचालित दृष्टिकोण प्रस्तावित और मान्य करता है, जो कार्यात्मक समानता सुनिश्चित करता है और मैनुअल माइग्रेशन की चुनौतियों से पार पाने में मदद करता है।

Nadia Daoudi, Ivan Alfonso, Jordi Cabot2026-05-19

⚛️ phenomenology

Good flavor search in SU(5): a machine learning approach

यह शोध पत्र जॉर्ज़ी-ग्लेशो $SU(5)$ ग्रैंड यूनिफाइड थ्योरी में फर्मियन द्रव्यमान समस्या पर पुनर्विचार करने के लिए मशीन लर्निंग तकनीकों का उपयोग करता है, यह प्रदर्शित करते हुए कि 24-आयामी क्षेत्र या एक निरंतर पैरामीटर $y \approx 0.8$ को शामिल करने वाले मॉडल, 45-आयामी क्षेत्र का उपयोग करने वाले मॉडलों की तुलना में देखे गए फर्मियन द्रव्यमान स्पेक्ट्रम के लिए अधिक "सुंदर" (मूल मॉडल के करीब) समाधान प्रदान करते हैं।

Fayez Abu-Ajamieh, Shinsuke Kawai, Nobuchika Okada2026-05-19

🤖 machine learning

Rethinking Generative Image Pretraining: How Far Are We From Scaling Up Next-Pixel Prediction?

यह शोध पत्र विज़न मॉडल के लिए ऑटोरेग्रेसिव नेक्स्ट-पिक्सेल प्रेडिक्शन के स्केलिंग लॉज़ की जांच करता है, जो यह प्रकट करता है कि वर्गीकरण और जनरेशन कार्यों के बीच इष्टतम रणनीतियाँ भिन्न होती हैं और यह पूर्वानुमान लगाता है कि कंप्यूट-संचालित स्केलिंग पाँच वर्षों के भीतर पिक्सेल-दर-पिक्सेल इमेज मॉडलिंग को सक्षम बनाएगी।

Xinchen Yan, Chen Liang, Lijun Yu, Adams Wei Yu, Yifeng Lu, Quoc V. Le2026-05-19

🤖 machine learning

A Systematic Analysis of Out-of-Distribution Detection Under Representation and Training Paradigm Shifts

यह शोध पत्र एक व्यवस्थित बेंचमार्क प्रस्तुत करता है जो यह प्रदर्शित करता है कि आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) डिटेक्टरों की प्रभावशीलता केवल स्कोर डिज़ाइन के बजाय मुख्य रूप से अंतर्निहित सीखे गए प्रतिनिधित्व (learned representation) और प्रशिक्षण प्रतिमान (training paradigm) पर निर्भर करती है, जो यह प्रकट करता है कि प्रतिनिधित्व पतन (representation collapse) की विशेषताएं इष्टतम स्कोरिंग रणनीतियों को निर्धारित करती हैं और अतिरिक्त OOD डेटा के बिना शीर्ष प्रदर्शन करने वाले डिटेक्टरों की भविष्यवाणी करने में सक्षम बनाती हैं।

Claudio César Claros Olivares, Austin J. Brockmeier2026-05-19

🤖 machine learning

Goal inference with Rao-Blackwellized Particle Filters

यह शोध पत्र शोर वाले प्रक्षेपवक्र अवलोकनों (trajectory observations) से एक मोबाइल एजेंट के लक्ष्य का अनुमान लगाने के लिए एक राव-ब्लैकवेलकृत कण फ़िल्टर (Rao-Blackwellized Particle Filter) ढांचे को प्रस्तुत करता है, जो नमूना दक्षता (sample efficiency) में सुधार करने के लिए क्लोज्ड-लूप स्थिरता धारणाओं का लाभ उठाता है, जबकि सूचना-सैद्धांतिक मेट्रिक्स के माध्यम से इरादे के रिसाव (intent leakage) को परिमाणित करता है और यह प्रदर्शित करता है कि एक कम अनुमानक (reduced estimator) एक पूर्ण गॉसियन मिश्रण मॉडल (Gaussian mixture model) के तुलनीय प्रदर्शन प्राप्त करता है।

Yixuan Wang, Dan P. Guralnik, Warren E. Dixon2026-05-19

📊 statistics

TPV: Parameter Perturbations Through the Lens of Test Prediction Variance

यह शोध पत्र टेस्ट प्रेडिक्शन वेरिएन्स (TPV) को पोस्ट-ट्रेनिंग रोबस्टनेस के विश्लेषण के लिए एक एकीकृत, लेबल-मुक्त ढांचे के रूप में प्रस्तुत करता है जो सैद्धांतिक रूप से पैरामीटर गड़बड़ी को बेनाइन ओवरफिटिंग जैसी सामान्यीकरण घटनाओं से जोड़ता है और केवल प्रशिक्षण डेटा का उपयोग करके अत्याधुनिक प्रूनिंग और मॉडल चयन जैसे व्यावहारिक अनुप्रयोगों को सक्षम बनाता है।

Devansh Arpit2026-05-19✓ Author reviewed ⓘ

🤖 machine learning

Constrained Policy Optimization via Sampling-Based Weight-Space Projection

यह शोधपत्र SCPO को प्रस्तुत करता है, जो एक सैंपलिंग-आधारित वेट-स्पेस प्रोजेक्शन विधि है जो विश्लेणात्मक ग्रेडिएंट्स की आवश्यकता के बिना पैरामीटर स्पेस में सुरक्षा बाधाओं को लागू करता है, जिससे यह सुनिश्चित होता है कि सभी मध्यवर्ती नीतियां सुरक्षित रहें और साथ ही सुरक्षा-महत्वपूर्ण शिक्षण परिदृश्यों में सार्थक प्रदर्शन सुधार सक्षम हो सकें।

Shengfan Cao, Francesco Borrelli, Eunhyek Joa2026-05-19

← पिछला अगला →