🤖 machine learning

Emulating the Forced Response of Climate Models with Flow Matching

यह शोध पत्र एक डीप लर्निंग फ्लो मैचिंग मॉडल प्रस्तुत करता है जो विभिन्न साझा सामाजिक-आर्थिक पथों (Shared Socioeconomic Pathways) और समवर्ती जलवायु बलों (climate forcings) के प्रति वैश्विक जलवायु मॉडलों की फोर्स्ड रिस्पॉन्स (forced response) का कुशलतापूर्वक अनुकरण करता है, जो अनदेखे परिदृश्यों को सफलतापूर्वक उत्पन्न करता है और दीर्घकालिक वायुमंडलीय रुझानों को सटीक रूप से पकड़ने के लिए विविध बलों को शामिल करने की आवश्यकता को प्रदर्शित करता है।

Graham Clyne, Julia Kaltenborn, Peer Nowack, Claire Monteleoni, Anasatase Charantonis2026-05-19✓ Author reviewed
🤖 machine learning

Extending Pretrained 10-Second ECG Foundation Models to Longer Horizons

यह शोध पत्र एक पैरामीटर-कुशल ढांचे का प्रस्ताव करता है जो बैकबोन को पुन: प्रशिक्षित किए बिना संरचनात्मक अनुकूलता और सिमेंटिक टेम्पोरल मॉडलिंग के लिए एक हल्के प्लग-इन मॉड्यूल को पेश करके प्रीट्रेन्ड 10-सेकंड ईसीजी फाउंडेशन मॉडल्स को लंबे, परिवर्तनशील-लंबाई वाले रिकॉर्डिंग को संभालने के लिए विस्तारित करता है।

Wei Tang, Jinpei Han, Kangning Cui, Mattia Carletti, Fredrik K. Gustafsson, Shreyank N Gowda, Patitapaban Palo, Anshul T (…)2026-05-19
🤖 machine learning

Decision-Aware Proximal Bridge Learning for Optimal Treatment Selection

यह शोधपत्र एक निर्णय-जागरूक प्रॉक्सिमल ब्रिज लर्निंग फ्रेमवर्क प्रस्तुत करता है जो छिपे हुए कन्फाउंडिंग (hidden confounding) के तहत व्यक्तिगत उपचार चयन को अनुकूलित करने के लिए एक नीति-लक्षित भारित हानि (policy-targeted weighted loss) का उपयोग करता है, जिससे पूरे एक्शन स्पेस में समान रूप से कार्य करने के बजाय निर्णय-प्रासंगिक क्षेत्रों में मॉडलिंग प्रयास को प्राथमिकता देकर रिग्रेट (regret) को कम किया जाता है।

Tomàs Garriga, Alejandro Almodóvar, Axel Brando, Gerard Sanz, Eduard Serrahima de Cambra, Juan Parras2026-05-19
🤖 machine learning

Adversarial Fragility and Language Vulnerability in Clinical AI: A Systematic Audit of Diagnostic Collapse Under Imperceptible Perturbations and Cross-Lingual Drift in Low-Resource Healthcare Settings

यह अध्ययन नैदानिक एआई (AI) प्रणालियों का व्यवस्थित रूप से ऑडिट करता है, जिससे यह पता चलता है कि वे अदृश्य प्रतिकूल विचलनों (adversarial perturbations) और नाइजीरियाई पिडिन एवं योरूबा-प्रभावित अंग्रेजी जैसी कम-संसाधन वाली भाषाओं में क्रॉस-लिंगुअल बदलावों के तहत नैदानिक सटीकता में विनाशकारी गिरावट का सामना करती हैं, जिससे विविध, वास्तविक दुनिया के स्वास्थ्य देखभाल परिवेशों में उनकी तैनाती में महत्वपूर्ण सुरक्षा अंतराल उजागर होते हैं।

Anthonio Oladimeji Gabriel, Ahmad Rufai Yusuf2026-05-19
🤖 machine learning

Ranking-Aware Calibration for Reliable Multimodal Reinforcement Learning

यह शोध पत्र रैंकिंग-अवेयर कैलिब्रेशन (RAC) को प्रस्तुत करता है, जो एक ऐसा प्रशिक्षण ढांचा है जो बेहतर और खराब रीजनिंग पथों के बीच तथा स्वच्छ और दूषित इनपुट के बीच कॉन्फिडेंस रैंकिंग को लागू करने के लिए मौजूदा समूह-आधारित सुदृढीकरण लर्निंग संकेतों का लाभ उठाता है, जिससे बिना किसी बाहरी एनोटेशन की आवश्यकता के मल्टीमॉडल विजन-लैंग्वेज मॉडल्स में कार्य सटीकता और कैलिब्रेशन विश्वसनीयता को एक साथ सुधारा जा सकता है।

Peng Cui, Boyao Yang, Jun Zhu2026-05-19
🤖 machine learning

BoLT: A Benchmark to Democratize Black-box Optimization Research for Expensive LLM Tasks

यह शोध पत्र BoLT को प्रस्तुत करता है, जो महंगे LLM कार्यों के लिए ब्लैक-बॉक्स अनुकूलन (black-box optimization) अनुसंधान का लोकतंत्रीकरण करने वाला पहला बेंचमार्क है, जो हाइपरपैरामीटर्स, प्रॉम्प्ट्स और कॉन्फ़िगरेशन के अनुकूलन विधियों का मूल्यांकन करने और उन्हें सुधारने के लिए पुनरुत्पादनीय (reproducible), वास्तविक-डेटा-संचालित सरोगेट मॉडल प्रदान करता है।

Ruth Wan Theng Chew, Zhiliang Chen, Apivich Hemachandra, Bryan Kian Hsiang Low2026-05-19
🤖 machine learning

Learning-Zone Energy: Online Data Selection for Efficient RL Post-Training

यह शोध पत्र लर्निंग-ज़ोन एनर्जी (LZE) का परिचय देता है, जो एक ऑनलाइन डेटा चयन ढांचा है जो बड़े भाषा मॉडलों के लिए सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) पोस्ट-ट्रेनिंग को अनुकूलित करता है, और मॉडल के सक्रिय शिक्षण सीमा (एक्टिव लर्निंग फ्रंटियर) के भीतर के प्रॉम्प्ट्स पर गतिशील रूप से गणनात्मक संसाधनों को केंद्रित करके, काफी कम डेटा उपयोग और प्रशिक्षण लागत के साथ बेहतर गणितीय तर्क प्रदर्शन प्राप्त करता है।

Peng Cui, Boyao Yang, Jun Zhu2026-05-19
🤖 machine learning

When Dynamics Shift, Robust Task Inference Wins: Offline Imitation Learning with Behavior Foundation Models Revisited

यह शोध पत्र बिहेवियर फाउंडेशन मॉडल्स (Behavior Foundation Models) के लिए एक सुदृढ़ मिनिमैक्स ऑप्टिमाइज़ेशन फ्रेमवर्क प्रस्तावित करता है जो केवल नाममात्र (nominal) परिवेश डेटा का उपयोग करके प्रभावी ऑफलाइन इमिटेशन लर्निंग और अनदेखे डायनेमिक्स शिफ्ट्स के अनुकूलन को सक्षम बनाता है, जो प्रीट्रेनिंग संशोधनों की आवश्यकता के बिना मौजूदा बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।

Rishabh Agrawal, Rahul Jain, Ashutosh Nayyar2026-05-19
💻 computer science

Why Do Reasoning Models Lose Coverage? The Role of Data and Forks in the Road

यह शोधपत्र फाइन-ट्यून किए गए रीजनिंग मॉडल्स में "रीजनिंग श्रिंकेज" (तर्क संकुचन) की घटना की जांच करता है, जिसमें प्रशिक्षण डेटा में अस्पष्ट निर्णय-बिंदु परिदृश्यों की व्यापकता को प्राथमिक कारण के रूप में पहचाना गया है और यह प्रदर्शित किया गया है कि लक्षित डेटा संश्लेषण और विविधता-जागरूक डिकोडिंग इस कवरेज हानि को प्रभावी ढंग से कम कर सकते हैं।

Ngoc-Hieu Nguyen, Parshin Shojaee, Phuc Minh Nguyen, Nan Zhang, Chandan K Reddy, Khoa D Doan, Rui Zhang2026-05-19
💻 computer science

Privacy-Preserving Generation Fraud Detection for Distributed Photovoltaic Systems: A Solar Irradiance-Fused Federated Learning Framework

यह शोध पत्र एक गोपनीयता-संरक्षण फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो वितरित आवासीय फोटोवोल्टिक प्रणालियों में जनरेशन फ्रॉड (उत्पादन धोखाधड़ी) का प्रभावी ढंग से पता लगाने के लिए को-अटेंशन मैकेनिज्म और प्रोटोटाइप अलाइनमेंट के माध्यम से सौर विकिरण डेटा को एकीकृत करता है, साथ ही स्केलेबिलिटी, गोपनीयता और क्लास इम्बैलेंस की चुनौतियों का समाधान भी करता है।

Xiaolu Chen, Chenghao Huang, Yanru Zhang, Hao Wang2026-05-19