🤖 Category

cs.LG

24235 पेपर

💻 computer science

How Do Electrocardiogram Models Scale?

यह शोध पत्र विभिन्न आकारों और प्रतिमानों (paradigms) में 120 मॉडलों को प्रशिक्षित करके इलेक्ट्रोकार्डियोग्राम (ECG) मॉडलों के लिए स्केलिंग लॉ (scaling laws) की व्यवस्थित रूप से जांच करता है, जिससे यह पता चलता है कि जबकि स्व-पर्यवेक्षित शिक्षण (self-supervised learning) बेहतर डेटा और ट्रांसफर दक्षता प्रदान करता है, प्रभावी ECG फाउंडेशन मॉडलों का इष्टतम मार्ग केवल ब्रूट-फोर्स स्केलिंग पर निर्भर करने के बजाय आर्किटेक्चर (ResNet बनाम Transformer) को प्री-ट्रेनिंग प्रतिमान के साथ रणनीतिक रूप से संरेखित करने पर निर्भर करता है।

Jiawei Li, Fabio Bonassi, Ming Jin, Stefan Gustafsson, Johan Sundström, Thomas B. Schön, Antônio H. Ribeiro2026-05-19
💻 computer science

A2RBench: An Automatic Paradigm for Formally Verifiable Abstract Reasoning Benchmark Generation

यह शोध पत्र A2RBench प्रस्तुत करता है, जो अद्वितीय समाधान सुनिश्चित करने के लिए चक्र निरंतरता (cycle consistency) का उपयोग करके औपचारिक रूप से सत्यापन योग्य अमूर्त तर्क बेंचमार्क उत्पन्न करने के लिए एक स्वचालित पाइपलाइन है, जो यह प्रकट करता है कि वर्तमान LLMs अमूर्त तर्क में मनुष्यों की तुलना में काफी खराब प्रदर्शन करते हैं और उच्च-आयामी कार्यों के साथ संघर्ष करते हैं।

Qingchuan Ma, Yuexiao Ma, Yongkang Xie, Tianyu Xie, Xiawu Zheng, Rongrong Ji2026-05-19
💻 computer science

CLAP: Contrastive Latent-space Prompt Optimization for End-to-end Autonomous Driving

यह शोध पत्र CLAP को प्रस्तुत करता है, जो एक स्थान-जागरूक (location-aware) फ्रेमवर्क है जो सामान्य फ्रेमों पर प्रदर्शन से समझौता किए बिना, दुर्लभ, सुरक्षा-महत्वपूर्ण लॉन्ग-टेल ड्राइविंग परिदृश्यों में नियोजन त्रुटियों को महत्वपूर्ण रूप से कम करने के लिए फ्रोजन विजन-लैंग्वेज-एक्शन मॉडल्स के लेटेंट स्पेस में प्रति-रोडब्लॉक सॉफ्ट प्रॉम्प्ट्स को अनुकूलित करता है।

Ruiyang Zhu, Yuehan He, Boyuan Zheng, Zesen Zhao, Ahmad Chalhoub, Qingzhao Zhang, Z. Morley Mao2026-05-19
💻 computer science

LEAP: Learnable End-to-End Adaptive Pruning of Large Language Models

यह शोध पत्र LEAP को प्रस्तुत करता है, जो एक सीखने योग्य एंड-टू-एंड अनुकूली प्रूनिंग (adaptive pruning) विधि है जो बड़े भाषा मॉडलों में सुलभ अनस्ट्रक्चर्ड स्पैरसिटी लर्निंग (unstructured sparsity learning) को सक्षम करने के लिए प्रति-भार बर्नौली-वाया-गमबेल-सिग्मॉइड रिलैक्सेशन (per-weight Bernoulli-via-Gumbel-sigmoid relaxation) का उपयोग करता है, जो उच्च स्पैरसिटी स्तरों पर ज़ीरो-शॉट सटीकता में मौजूदा लेयर-वाइज़ बेसलाइन से काफी बेहतर प्रदर्शन करता है।

Mohammad Mozaffari, Younes Hourri, Mohammad Rastegari, Mahyar Najibi2026-05-19
💻 computer science

DISA: Offline Importance Sampling for Distribution-Matching LLM-RL

DISA (Decoupled Importance-Sampled Anchoring) एक नवीन ऑफलाइन डिस्ट्रीब्यूशन-मैचिंग RL पद्धति है जो कैलिब्रेशन त्रुटियों को समाप्त करने के लिए इम्पोर्टेंस सैंपलिंग के माध्यम से पार्टीशन फंक्शन अनुमानों को प्री-कंप्यूट और फ्रीज करती है, जिससे यह LLMs को विविध समाधान रणनीतियों को सीखने में सक्षम बनाती है जो रिवॉर्ड-मैक्सिमाइजेशन बेसलाइन और ऑनलाइन-कपल्ड डिस्ट्रीब्यूशन-मैचिंग दृष्टिकोणों दोनों से बेहतर प्रदर्शन करते हैं।

Shaobo Wang, Yujie Chen, Yafeng Sun, Wenjie Qiu, Zhihui Xie, Sihang Li, Yucheng Li, Huiqiang Jiang, Xingzhang Ren, Xumin (…)2026-05-19
💬 NLP

Weak-to-Strong Elicitation via Mismatched Wrong Drafts

यह शोध पत्र प्रदर्शित करता है कि वर्तमान समस्या से मेल न खाने वाले एक छोटे, डोमेन-प्रशिक्षित मॉडल से गणितीय रूप से गलत ड्राफ्ट को एक मजबूत लर्नर के GRPO प्रशिक्षण संदर्भ में इंजेक्ट करना, मानक ऑन-पॉलिक फाइन-ट्यूनिंग और अन्य वेरिएंट्स की तुलना में काफी बेहतर प्रदर्शन करता है, जिससे बिना SFT, रिवॉर्ड मॉडल या सिंथेसाइज्ड डेटा की आवश्यकता के, Mathstral-7B मॉडल के लिए MATH-500 पर 71.98% का एक नया स्टेट-ऑफ-द-आर्ट परिणाम प्राप्त होता है।

Wei Deng2026-05-19
🤖 machine learning

Learning Higher-Order Structure from Incomplete Spatiotemporal Data: Multi-Scale Hypergraph Laplacians with Neural Refinement

यह शोध पत्र मल्टी-स्केल हाइपरग्राफ लैपलेसियन्स विद न्यूरल रिफाइनमेंट (MSHL) को प्रस्तुत करता है, जो एक दो-चरणीय ढांचा है जो मल्टी-स्केल हाइपरग्राफ के माध्यम से उच्च-क्रम समूह संबंधों की खोज करके और सुरक्षित, अनुकूली गैर-रेखीय सुधार लागू करके सेंसर नेटवर्क में संरचित लुप्त डेटा को प्रभावी ढंग से प्रतिस्थापित करता है, जिससे यह वास्तविक ट्रैफ़िक परिदृश्यों में पारंपरिक युग्मवार ग्राफ विधियों से बेहतर प्रदर्शन करता है।

Keshu Wu, Sixu Li, Zihao Li, Zhiwen Fan, Xiaopeng Li, Yang Zhou2026-05-19
🤖 machine learning

Leveraging Error Diversity in Group Rollouts for Reinforcement Learning

यह शोध पत्र एरर डाइवर्सिटी एडवांटेज शेपिंग (EDAS) को प्रस्तुत करता है, जो एक हल्का पोस्ट-हॉक तकनीक है जो इंट्रा-ग्रुप एरर डाइवर्सिटी के आधार पर एडवांटेज सिग्नल्स को मॉड्युलेट करके रिइन्फोर्समेंट लर्निंग फ्रॉम वेरिफिएबल रिवार्ड्स (RLVR) को बेहतर बनाता है ताकि बार-बार होने वाली विफलताओं को दंडित किया जा सके और खोजपूर्ण तर्क (एक्सप्लोरेटरी रीजनिंग) को प्रोत्साहित किया जा सके, जिसके परिणामस्वरूप कई बेंचमार्क पर निरंतर प्रदर्शन सुधार प्राप्त होता है।

Wenpu Liu, Yuqi Xu, Weichu Xie, Yongfu Zhu, Shuai Dong, Ziyue Wang, Wenqi Shao, Xiaoying Zhang, Tong Yang, Nan Duan, Jia (…)2026-05-19
🤖 machine learning

Olivia: Harmonizing Time Series Foundation Models with Power Spectral Density

यह शोध पत्र ओलिविया (Olivia) को प्रस्तुत करता है, जो एक नवीन टाइम सीरीज़ फाउंडेशन मॉडल है जो डेटासेट्स को नॉर्मलाइज्ड पावर स्पेक्ट्रल डेंसिटी के माध्यम से संरेखित करने के लिए एक हारमोनाइज़र मॉड्यूल और हार्मोनिकअटेंशन मैकेनिज्म का लाभ उठाता है, जिससे ज़ीरो-शॉट, फ्यू-शॉट और फुल-शॉट पूर्वानुमान परिदृश्यों में अत्याधुनिक प्रदर्शन प्राप्त होता है।

Jingru Fei, Kun Yi, Alex Xing Wang, Qingsong Wen, Xiangxiang Zhu, Wei Fan2026-05-19
💻 computer science

Position: Age Estimation Models Do Not Process Biometric Data

यह स्थिति पत्र तर्क देता है कि आयु अनुमान मॉडल बायोमेट्रिक डेटा को संसाधित नहीं करते हैं क्योंकि अनुभवजन्य साक्ष्य दर्शाते हैं कि उनमें व्यक्तिगत पहचान के लिए आवश्यक पहचान-विभेदक क्षमताओं का अभाव है, जो नियामकों से इस प्रकार के क्षणिक प्रसंस्करण को टेम्पलेट भंडारण से अलग करने का आग्रह करता है ताकि अनावश्यक कानूनी बोझ से बचा जा सके।

Nikita Marshalkin2026-05-19