🤖 Category

cs.LG

24235 पेपर

🤖 machine learning

Provably avoiding over-optimization in Direct Preference Optimization without knowing the data distribution

यह शोध पत्र PEPO को प्रस्तुत करता है, जो एक सिंगल-स्टेप डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन एल्गोरिदम है जो डेटा वितरण के ज्ञान या एक स्पष्ट रिवॉर्ड मॉडल की आवश्यकता के बिना, विलगित (disjoint) डेटा उपसमुच्चयों पर प्रशिक्षित नीतियों के एक निराशावादी समूह (pessimistic ensemble) का लाभ उठाकर ओवर-ऑप्टिमाइज़ेशन को कम करता है, जिससे DPO की व्यावहारिक सरलता को बनाए रखते हुए बेहतर सैंपल कॉम्प्लेक्सिटी गारंटी प्राप्त की जाती है।

Adam Barla, Emanuele Nevali, Luca Viano, Volkan Cevher2026-05-14
📊 statistics

Distribution Shift in Missing Data Imputation: A Risk-Based Perspective and Importance-Weighted Correction under MAR

यह शोध पत्र इसे एक जोखिम न्यूनीकरण कार्य के रूप में स्वरूपित करके और एक महत्व-भारित सुधार एल्गोरिदम का प्रस्ताव देकर MAR के तहत लुप्त डेटा इम्प्यूटेशन (imputation) में वितरण बदलाव (distribution shift) की समस्या को संबोधित करता है, जो अत्याधुनिक बेसलाइन की तुलना में RMSE और वासेरस्टीन दूरी (Wasserstein distance) को महत्वपूर्ण रूप से कम करता है।

Luke Shannon, Song Liu, Katarzyna Reluga2026-05-14
🤖 machine learning

Diffusion-Inspired Reconfiguration of Transformers for Uncertainty Calibration

यह शोध पत्र प्री-ट्रेंड ट्रांसफॉर्मर्स के एक डिफ्यूजन-प्रेरित पुनर्गठन (reconfiguration) का प्रस्ताव करता है जो फीचर रूपांतरणों को संभाव्य मैपिंग के रूप में मॉडल करता है ताकि आर्किटेक्चर में व्यवस्थित अनिश्चितता प्रसार (uncertainty propagation) को सक्षम बनाया जा सके, जिससे मौजूदा विधियों की तुलना में विजन और लैंग्वेज बेंचमार्क पर बेहतर अंशांकन (calibration) और भविष्य कहनेवाला सटीकता प्राप्त होती है।

Manh Cuong Dao, Quang Hung Pham, Phi Le Nguyen, Thao Nguyen Truong, Bryan Kian Hsiang Low, Trong Nghia Hoang2026-05-14
🤖 machine learning

Partial Optimality in the Preordering Problem

यह शोध पत्र एनपी-हार्ड (NP-hard) प्रीऑर्डरिंग समस्या के लिए नई आंशिक इष्टतमता स्थितियों और कुशल एल्गोरिदम प्रस्तुत करता है, जो वास्तविक और कृत्रिम डेटा पर प्रयोगों के माध्यम से प्रदर्शित किया गया है कि वे उन जोड़ों की संख्या में उल्लेखनीय वृद्धि करते जिन्हें एक इष्टतम समाधान में गैर-क्रमित (non-ordered) के रूप में कुशलतापूर्वक निर्धारित किया जा सकता है।

David Stein, Jannik Irmai, Bjoern Andres2026-05-14
🤖 machine learning

SubspaceAD: Training-Free Few-Shot Anomaly Detection via Subspace Modeling

SubspaceAD एक ट्रेनिंग-फ्री, फ्यू-शॉट विसंगति पहचान (anomaly detection) विधि है जो एक निम्न-आयामी उपस्थान (low-dimensional subspace) में सामान्य विविधताओं को मॉडल करने के लिए फ्रोजन DINOv2 फीचर्स और प्रिंसिपल कंपोनेंट एनालिसिस का लाभ उठाती है, जिससे मेमोरी बैंक, सहायक डेटा, या मॉडल ट्यूनिंग की आवश्यकता के बिना MVTec-AD और VisA डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Camile Lendering, Erkut Akdag, Egor Bondarev2026-05-14
🤖 AI

LINE: LLM-based Iterative Neuron Explanations for Vision Models

यह शोध पत्र LINE को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free), ब्लैक-बॉक्स फ्रेमवर्क है जो विजन मॉडल्स के व्यक्तिगत न्यूरॉन्स के लिए ओपन-वोकेबुलरी कॉन्सेप्ट लेबल्स को पुनरावृत्ति (iteratively) के माध्यम से खोजने और परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स और टेक्स्ट-टू-इमेज जनरेटर्स का लाभ उठाता है, जिससे अत्याधुनिक प्रदर्शन प्राप्त होता है और पूर्व-निर्धारित शब्दावलियों द्वारा छूटे हुए नवीन कॉन्सेप्ट्स का अनावरण होता है।

Vladimir Zaigrajew, Michał Piechota, Gaspar Sekula, Paweł Gelar, Przemysław Biecek2026-05-14
🔭 astrophysics

Earth Science Foundation Models: From Perception to Reasoning and Discovery

यह शोध पत्र पृथ्वी प्रणाली के सभी क्षेत्रों में धारणा (perception) से लेकर तर्क (reasoning) और खोज (discovery) तक उनके विकास का पता लगाते हुए पृथ्वी विज्ञान के फाउंडेशन मॉडल्स की एक एकीकृत समीक्षा प्रस्तुत करता है, साथ ही 200 से अधिक डेटासेट संकलित करता है और विश्वसनीय, एजेंटिक एआई वैज्ञानिकों को विकसित करने के लिए प्रमुख चुनौतियों और भविष्य की दिशाओं को रेखांकित करता है।

Xiangyu Zhao, Bo Liu, Yuehan Zhang, Zelin Song, Wanghan Xu, Feng Liu, Fengxiang Wang, Ben Fei, Fenghua Ling, Wangxu Wei (…)2026-05-14
🤖 machine learning

Learning When to Act: Communication-Efficient Reinforcement Learning via Run-Time Assurance

यह शोध पत्र एक संचार-कुशल सुरक्षित सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो नियंत्रण नीतियों के साथ अनुकूलन योग्य क्रियान्वयन समय (एक्चुएशन टाइमिंग) को सीखता है, जिसमें स्थिरता की गारंटी देने के लिए लाइपुनोव-आधारित बैकअप के साथ एक रन-टाइम आश्वासन परत का उपयोग किया गया है, जो विभिन्न रोबोटिक प्रणालियों में फिक्स्ड-रेट और एक्सपेक्टेशन-आधारित सुरक्षा विधियों से काफी बेहतर प्रदर्शन करता है।

Adam Haroon, Erick J. Rodríguez-Seda, Cody Fleming, Tristan Schuler2026-05-14
💻 computer science

Improving Diffusion Posterior Samplers with Lagged Temporal Corrections for Image Restoration

यह शोध पत्र LAMP को प्रस्तुत करता है, जो डिफ्यूजन-आधारित इमेज रेस्टोरेशन के लिए एक मॉड्यूलर प्लग-इन है, जो बिना किसी अतिरिक्त कम्प्यूटेशनल लागत के पोस्टीरियर सैंपलिंग की सटीकता और स्थिरता में सुधार करने के लिए सेकंड-ऑर्डर डिसक्रेटाइजेशन और लैग्ड टेम्पोरल करेक्शन्स का लाभ उठाता है।

Davide Evangelista, Elena Morotti, Francesco Pivi, Maurizio Gabbrielli2026-05-14
🤖 machine learning

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity

यह शोध पत्र FedMPO का प्रस्ताव करता है, जो एक सुदृढ़ फेडरेटेड मल्टीमॉडल ग्राफ लर्निंग फ्रेमवर्क है जो टोपोलॉजी-अवेयर क्रॉस-मोडल जनरेशन, मिसिंग-अवेयर एक्सपर्ट रूटिंग और रिलायबिलिटी-अवेयर एग्रीगेशन के माध्यम से मोडैलिटी विषमता (modality heterogeneity) और डेटा अलगाव को संबोधित करता है ताकि हाई-मिसिंग और नॉन-IID सेटिंग्स में मौजूदा विधियों से बेहतर प्रदर्शन किया जा सके।

Sirui Zhang, Haonan Wang, Xunkai Li, Zekai Chen, Shumeng Li, Hongchao Qin, Rong-Hua Li, Guoren Wang2026-05-14