cs.LG

Pure Exploration Beyond Reward Feedback: The Role of Post-Action Context

यह शोध पत्र पोस्ट-एक्शन कॉन्टेक्स्ट (post-action context) के साथ बेस्ट आर्म आइडेंटिफिकेशन (best arm identification) की समस्या को प्रस्तुत करता है, जो इष्टतम सैंपल कॉम्प्लेक्सिटी बाउंड्स (optimal sample complexity bounds) को व्युत्पन्न करता है और विशेष एल्गोरिदम (G-tracking और एक विस्तारित Track-and-Stop) प्रस्तावित करता है जो अतिरिक्त कॉन्टेक्स्ट जानकारी का लाभ उठाकर उन तरीकों से काफी बेहतर प्रदर्शन करते हैं जो इसे अनदेखा कर देते हैं।

Shapley Value Approximation Based on k-Additive Games

Model-Level GNN Explanations via Rule-to-Graph Readout for Logit Reconstruction

यह शोध पत्र एक नवीन मॉडल-स्तरीय GNN स्पष्टीकरण ढांचे को प्रस्तुत करता है जो ग्राउंडेड सबग्राफ अवधारणाओं को प्रतीकात्मक नियमों में संयोजित करके और उन्हें एक फ्रोजन क्लासिफायर के माध्यम से पारित करके कच्चे मल्टीक्लास लॉजिट्स को पुनर्गठित करता है, जिससे नियम-स्तरीय योगदान विश्लेषण के साथ उच्च-निष्ठा वाले, टेस्ट-टाइम इंस्टेंशिएबल ग्लोबल स्पष्टीकरण प्राप्त होते हैं जो पूर्व विधियों की तुलना में काफी तेज़ हैं।

Toxicity Detection Should Measure Contextual Harm, Not Text-Intrinsic Badness

यह स्थिति पत्र (position paper) तर्क देता है कि विषाक्तता का पता लगाने की प्रक्रिया को विषाक्तता को अलग-थलग पाठ के एक अंतर्निहित गुण के रूप में मानने के बजाय इसे एक प्रासंगिक संचार संबंधी हानि (contextual communicative harm) के रूप में मापने की ओर स्थानांतरित होना चाहिए, जो यह बेहतर ढंग से पकड़ सके कि कैसे कथित मानदंड उल्लंघन और सामाजिक संदर्भ वास्तविक व्यवधान उत्पन्न करते हैं, जिसके लिए 'कॉन्टेक्स्टुअल स्ट्रेस फ्रेमवर्क' (CSF) और 'CSF-Eval' पेश किए गए हैं।

Reconstructing Sepsis Trajectories from Clinical Case Reports using LLMs: the Textual Time Series Corpus for Sepsis

यह शोध पत्र मेडिकल केस रिपोर्ट्स से क्लिनिकल निष्कर्षों को निकालने और उन्हें समयबद्ध करने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करने वाले एक पाइपलाइन को प्रस्तुत करता है, जिसके परिणामस्वरूप सेप्सिस-3 (Sepsis-3) के लिए एक ओपन-एक्सेस टेक्स्टुअल टाइम सीरीज़ कॉर्पस प्राप्त होता है जो चिकित्सक के एनोटेशन की तुलना में इवेंट रिकवरी और टेम्पोरल ऑर्डरिंग में उच्च सटीकता प्रदर्शित करता है।

Fractal Graph Contrastive Learning

यह शोध पत्र FractalGCL का प्रस्ताव करता है, जो एक सिद्धांत-प्रेरित ग्राफ कंट्रास्टिव लर्निंग फ्रेमवर्क है जो विभिन्न बेंचमार्क पर बेहतर प्रदर्शन प्राप्त करने और कम्प्यूटेशनल ओवरहेड को महत्वपूर्ण रूप से कम करने के लिए रीनॉर्मलाइजेशन-आधारित ऑग्मेंटेशन और एक गॉसियन सरोगेट के साथ एक फ्रैक्टल-डायमेंशन-अवेयर लॉस का उपयोग करता है।

Integral Imprecise Probability Metrics

यह शोध पत्र इंटीग्रल इम्प्रेसिस प्रोबेबिलिटी मेट्रिक (IIPM) प्रस्तुत करता है, जो एक चोक्वेट इंटीग्रल-आधारित ढांचा है जो शास्त्रीय मेट्रिक्स को इम्प्रेसिस प्रोबेबिलिटी मॉडल्स में सामान्यीकृत करता है, जिससे विविध अनिश्चितता निरूपणों की तुलना और 'मैक्सिमम मीन इम्प्रेसिशन' नामक एक नए माप के माध्यम से एपिस्टेमिक अनिश्चितता का परिमाणीकरण संभव होता है, जो चयनात्मक वर्गीकरण कार्यों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।

Offline Constrained Reinforcement Learning under Partial Data Coverage

यह शोध पत्र PDOCRL का प्रस्ताव करता है, जो सामान्य फलन सन्निकटन (general function approximation) के साथ ऑफलाइन बाधित सुदृढीकरण शिक्षण (offline constrained reinforcement learning) के लिए एक ओरेकल-कुशल प्रिमल-ड्यूल एल्गोरिदम है, जो डेटा-जनरेटिंग वितरण के ज्ञान की आवश्यकता के बिना आंशिक डेटा कवरेज के तहत निकट-इष्टतम और निकट-व्यवहार्य प्रदर्शन प्राप्त करता है, जबकि एक मजबूत रियलाइज़ेबिलिटी स्थिति के माध्यम से स्प्यूरियस सैडल पॉइंट्स (spurious saddle points) की समस्या का समाधान करता है।

Approximating Simple ReLU Networks based on Spectral Decomposition of Fisher Information

यह शोध पत्र पहचान करता है कि रैंडम हिडन वेट्स वाले 2-लेयर ReLU नेटवर्क्स के लिए फिशर इंफॉर्मेशन मैट्रिक्स के प्रमुख आइजनस्पेस (eigenspaces), क्रम 2 तक के स्फेरिकल हार्मोनिक फंक्शन्स द्वारा स्पैन किए गए फंक्शन स्पेस के अनुरूप हैं, जो सामूहिक रूप से मैट्रिक्स के ट्रेस के 97% से अधिक की व्याख्या करते हैं।

Rotary Masked Autoencoders are Versatile Learners

यह शोध पत्र रोटरी मास्कड ऑटोएनकोडर्स (RoMAE) को प्रस्तुत करता है, जो एक बहुमुखी आर्किटेक्चर है जो विशेष आर्किटेक्चरल संशोधनों की आवश्यकता के बिना, अनियमित समय-श्रृंखला (irregular time-series) सहित विविध मोडालिटीज़ में प्रभावी प्रतिनिधित्व शिक्षण (representation learning) को सक्षम करने के लिए रोटरी पोजीशनल एम्बेडिंग्स का लाभ उठाता है।