🤖 machine learning

OceanCBM: A Concept Bottleneck Model for Mechanistic Interpretability in Ocean Forecasting

यह शोध पत्र OceanCBM को प्रस्तुत करता है, जो महासागरीय पूर्वानुमान के लिए पहला कॉन्सेप्ट बॉटलनैक मॉडल (concept bottleneck model) है, जो निर्धारित भू-भौतिकीय अवधारणाओं और एक सीखी गई मुक्त अवधारणा (free concept) के मिश्रण के माध्यम से सूचना को रूट करके समुद्री हीटवेव के पूर्ववर्तियों (precursors) के व्याख्यात्मक, भौतिक रूप से आधारित पूर्वानुमान प्राप्त करता है, जिससे भविष्य कहने की दक्षता से समझौता किए बिना यांत्रिक निरंतरता सुनिश्चित होती है।

Sanah Suri, Kieran Ringel, Maike Sonnewald2026-05-14
🤖 machine learning

Learning to Decide with AI Assistance under Human-Alignment

यह शोध पत्र यह स्थापित करता है कि एआई (AI) और मानवीय विश्वास के बीच संरेखण, एआई सहायता के साथ इष्टतम निर्णय लेने सीखने की जटिलता को महत्वपूर्ण रूप से कम करता है, जो पूर्ण संरेखण के तहत बेहतर रिग्रेट बाउंड्स (regret bounds) को सैद्धांतिक रूप से प्रदर्शित करता है और वास्तविक मानव-विषय डेटा पर इन निष्कर्षों को मान्य करता है।

Nina Corvelo Benz, Eleni Straitouri, Manuel Gomez-Rodriguez2026-05-14
🤖 machine learning

Population Risk Bounds for Kolmogorov-Arnold Networks Trained by DP-SGD with Correlated Noise

यह शोधपत्र कोलमोगोरोव-आर्नोल्ड नेटवर्क (Kolmogorov-Arnold Networks) के लिए सहसंबद्ध शोर (correlated noise) वाले मिनी-बैच DP-SGD के माध्यम से प्रशिक्षित किए जाने पर प्रथम जनसंख्या जोखिम सीमाएं (population risk bounds) स्थापित करता है, जो गैर-उत्तल अनुकूलन (non-convex optimization) की तकनीकी चुनौतियों पर विजय प्राप्त करते हुए अधिक सटीक सामान्यीकरण गारंटी प्रदान करता है जो पूर्व फुल-बैच या स्वतंत्र-शोर विश्लेषणों की तुलना में व्यावहारिक प्रशिक्षण परिदृश्यों को बेहतर ढंग से दर्शाते हैं।

Puyu Wang, Jan Schuchardt, Nikita Kalinin, Junyu Zhou, Sophie Fellenz, Christoph Lampert, Marius Kloft2026-05-14
🤖 machine learning

Multi-Rollout On-Policy Distillation via Peer Successes and Failures

यह शोध पत्र मल्टी-रोलआउट ऑन-पॉलिसी डिस्टिलेशन (MOPD) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो समृद्ध, इंस्टेंस-अनुकूल शिक्षक संकेतों के निर्माण के लिए सफल और विफल दोनों प्रकार के पीयर रोलआउट का लाभ उठाकर लार्ज लैंग्वेज मॉडल प्रशिक्षण को बेहतर बनाता है, जिससे यह मानक विधियों से बेहतर प्रदर्शन करता है जो प्रत्येक रोलआउट को स्वतंत्र रूप से मानते हैं।

Weichen Yu, Xiaomin Li, Yizhou Zhao, Xiaoze Liu, Ruowang Zhang, Haixin Wang, Yinyi Luo, Chen Henry Wu, Gaurav Mittal, Ma (…)2026-05-14
🤖 machine learning

Plan Before You Trade: Inference-Time Optimization for RL Trading Agents

यह शोध पत्र FPILOT को प्रस्तुत करता है, जो एक प्लगइन इन्फ्रेंस-टाइम ऑप्टिमाइज़ेशन फ्रेमवर्क है जो पूर्व-प्रशिक्षित सुदृढीकरण अधिगम (रिनफोर्समेंट लर्निंग) ट्रेडिंग एजेंटों को प्रत्येक निर्णय चरण पर अनुमानित मूल्य प्रक्षेप पथों (प्राइस ट्राजेक्टरीज) का उपयोग करके पोर्टफोलियो आवंटन को गतिशील रूप से अनुकूलित करके बेहतर बनाता है, जिससे बिना मॉडल पुनप्रशिक्षण के निरंतर रिटर्न और जोखिम-समायोजित मेट्रिक्स में सुधार होता है।

Eun Go, Rohan Deb, Arindam Banerjee2026-05-14
🧬 biology

scShapeBench: Discovering geometry from high dimensional scRNAseq data

यह शोधपत्र scShapeBench प्रस्तुत करता है, जो उच्च-आयामी सिंगल-सेल आरएनए अनुक्रमण (RNA sequencing) डेटा में स्वचालित आकार पहचान (shape detection) के लिए एक बेंचमार्क डेटासेट और मूल्यांकन ढांचा है, साथ ही scReebTower नामक एक बेसलाइन विधि भी प्रस्तुत करता है जो डिफ्यूजन ज्योमेट्री का लाभ उठाकर क्लस्टर, ट्रेजेक्टरी और आर्कटाइप जैसे अंतर्निहित टोपोलॉजिकल संरचनाओं की पहचान करने में मौजूदा उपकरणों से बेहतर प्रदर्शन करती है।

Andrew J Steindl, João Felipe Rocha, Brian Tshilengi Di Bassinga, Zachary Warren, Matthew Scicluna, César Miguel Valdez (…)2026-05-14
💻 computer science

Profit Maximization in Bilateral Trade against a Smooth Adversary

यह शोध पत्र द्विपक्षीय व्यापार में एक लाभ-अधिकतमीकरण करने वाले ब्रोकर के लिए एक लर्निंग एल्गोरिदम प्रस्तुत करता है, जो एक स्मूथ प्रतिपक्षी (smooth adversary) के विरुद्ध O~(T)\tilde{O}(\sqrt{T}) का टाइट रिग्रेट बाउंड प्राप्त करता है, जो स्मूथ इंस्टेंस की निरंतरता और एक पदानुक्रमित नेट-निर्माण (hierarchical net-construction) का लाभ उठाकर स्टोकेस्टिक और पूर्णतः प्रतिपक्षी सेटिंग्स के बीच के प्रदर्शन अंतराल को पाटता है।

Simone Di Gregorio, Paul Dütting, Federico Fusco, Chris Schwiegelshohn2026-05-14
📊 statistics

Online Conformal Prediction: Enforcing monotonicity via Online Optimization

यह शोध पत्र दो नवीन ऑनलाइन कॉन्फॉर्मल प्रेडिक्शन विधियों का प्रस्ताव करता है जो कवरेज के विभिन्न स्तरों पर एक साथ वैध, सख्ती से नेस्टेड प्रेडिक्शन सेट्स उत्पन्न करने के लिए ऑनलाइन ऑप्टिमाइज़ेशन का लाभ उठाते हैं, जिससे अनुक्रमिक सेटिंग्स में सांख्यिकीय दक्षता और विषम जोखिम सहनशीलता के प्रति अनुकूलन क्षमता में सुधार होता है।

Eduardo Ochoa Rivera, Ambuj Tewari2026-05-14
🤖 machine learning

Parallel-in-Time Training of Recurrent Neural Networks for Dynamical Systems Reconstruction

यह शोध पत्र GTF-DEER को प्रस्तुत करता है, जो एक नवीन 'पैरेलल-इन-टाइम' प्रशिक्षण ढांचा है जो स्टेट स्पेस मॉडल्स में लीनियर रिकरेंस की सीमाओं को दूर करने के लिए अत्यंत लंबी अनुक्रमों से नॉनलीनियर डायनेमिकल सिस्टम्स के स्थिर और प्रभावी पुनर्निर्माण को सक्षम बनाता है, यह प्रदर्शित करते हुए कि लंबी समय अवधि वाले सिस्टम्स के लिए लंबी प्रक्षेप पथों (ट्रैजेक्टरीज) तक पहुंच मॉडलिंग सटीकता में महत्वपूर्ण सुधार करती है।

Florian Hess, Florian Götz, Daniel Durstewitz2026-05-14
🤖 machine learning

UFO: A Domain-Unification-Free Operator Framework for Generalized Operator Learning

यह शोध पत्र UFO पेश करता है, जो एक नवीन न्यूरल ऑपरेटर फ्रेमवर्क है जो डोमेन एकीकरण की आवश्यकता के बिना, विशिष्ट फलन निरूपणों (function representations) के बीच अनुकूलन योग्य, क्रॉस-डोमेन इंटरैक्शन को सक्षम करके विविक्तीकरण डिकपलिंग (discretization decoupling) और विविध बेंचमार्क में सुदृढ़ सामान्यीकरण प्राप्त करता है।

Hanli Qiao, George Em Karniadakis, Muhammad Muniruzzaman2026-05-14