🤖 machine learning

Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks

यह शोध पत्र सख्त सर्वसम्मति (strict unanimity) की शर्तों को सिद्ध करने के लिए भारित लघुगणकीय पूलिंग (weighted logarithmic pooling) का उपयोग करके न्यूरल नेटवर्क में अंतर्निहित एजेंटिक उप-संरचनाओं (latent agentic substructures) को मॉडल करने के लिए एक संभाव्य ढांचे को स्थापित करता है और यह प्रदर्शित करता है कि कैसे यह सिद्धांत "वालुइगी" (Waluigi) जैसे विरोधी व्यक्तित्वों के उद्भव की व्याख्या करता है, जो एआई संरेखण (AI alignment) में सुधार के लिए नवीन रणनीतियाँ प्रदान करता है।

Su Hyeong Lee, Risi Kondor, Richard Ngo2026-05-13
💬 NLP

A Formal Comparison Between Chain of Thought and Latent Thought

यह शोध पत्र एक औपचारिक विश्लेषण प्रस्तुत करता है जो यह प्रदर्शित करता है कि जहाँ लेटेंट थॉट रीजनिंग (latent thought reasoning), स्वाभाविक रूप से क्रमिक चेन ऑफ थॉट (Chain of Thought) की तुलना में अधिक कुशल समानांतर गणना (parallel computation) को सक्षम बनाती है, वहीं बाद वाला स्टोकैस्टिक डिकोडिंग (stochastic decoding) के माध्यम से अनुमानित गणना (approximate counting) और सैंपलिंग (sampling) का अनूठा समर्थन करता है, जिससे कार्य की आवश्यकताओं के आधार पर उपयुक्त रीजनिंग प्रतिमान (reasoning paradigm) चुनने के लिए व्यावहारिक मार्गदर्शन प्राप्त होता है।

Kevin Xu, Issei Sato2026-05-13
🤖 machine learning

Zero-shot Human Pose Estimation using Diffusion-based Inverse solvers

यह शोध पत्र InPose प्रस्तुत करता है, जो एक ज़ीरो-शॉट मानव मुद्रा अनुमान (human pose estimation) विधि है जो इस कार्य को एक व्युत्क्रम समस्या (inverse problem) के रूप में तैयार करती है, जिसमें रोटेशनल माप (rotational measurements) पर आधारित एक प्री-ट्रेंड डिफ्यूजन मॉडल का उपयोग किया गया है और विभिन्न शरीर के आकार वाले उपयोगकर्ताओं में मजबूत सामान्यीकरण प्राप्त करने के लिए स्पार्स लोकेशन डेटा से प्राप्त लाइक्लीहुड टर्म (likelihood term) द्वारा निर्देशित किया गया है।

Sahil Bhandary Karnoor, Romit Roy Choudhury2026-05-13
🤖 machine learning

PENEX: AdaBoost-Inspired Neural Network Regularization

यह शोध पत्र PENEX को प्रस्तुत करता है, जो एक नवीन मल्टी-क्लास एक्सपोनेंशियल लॉस फॉर्मूलेशन है जो फर्स्ट-ऑर्डर ऑप्टिमाइज़ेशन के अनुकूल है, यह प्रदर्शित करते हुए कि यह डेटा मार्जिन बढ़ाकर कम-डेटा वाले परिदृश्यों में न्यूरल नेटवर्क के सामान्यीकरण (जनरलाइजेशन) में प्रभावी रूप से सुधार करता है और स्थापित रेगुलराइज़र्स के लिए एक व्यावहारिक विकल्प प्रदान करता है।

Klaus-Rudolf Kladny, Bernhard Schölkopf, Michael Muehlebach2026-05-13
🤖 machine learning

SurvBench: A Standardised Preprocessing Pipeline for Multi-Modal Electronic Health Record Survival Analysis

SurvBench एक ओपन-सोर्स, मानकीकृत प्रीप्रोसेसिंग पाइपलाइन है जो कच्चे PhysioNet इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड डेटा को चार क्रिटिकल-केयर डेटाबेस और चार मोडैलिटीज में मॉडल-रेडी टेंसरों में परिवर्तित करता है, जो उस अपस्ट्रीम डेटा प्रोसेसिंग की विसंगति को संबोधित करता है जो वर्तमान में डीप-लर्निंग सर्वाइवल मॉडल्स की निष्पक्ष तुलना में बाधा डालती है।

Munib Mesinovic, Tingting Zhu2026-05-13
🤖 machine learning

FLARE: Adaptive Multi-Dimensional Reputation for Robust Client Reliability in Federated Learning

यह शोध पत्र FLARE को प्रस्तुत करता है, जो फेडरेटेड लर्निंग के लिए एक अनुकूलन योग्य बहु-आयामी प्रतिष्ठा ढांचा (multi-dimensional reputation framework) है, जो स्थिर बाइनरी फ़िल्टरिंग को निरंतर विश्वास मूल्यांकन, स्व-अंशांकन थ्रेशोल्ड और सॉफ्ट एक्सक्लूजन तंत्रों से बदलकर विविध और विकसित होते बाइजेंटाइन हमलों के विरुद्ध मजबूती को बढ़ाता है, जबकि उच्च मॉडल सटीकता और अभिसरण गति को बनाए रखता है।

Abolfazl Younesi, Leon Kiss, Zahra Najafabadi Samani, Juan Aznar Poveda, Thomas Fahringer2026-05-13
🤖 machine learning

FlowLPS: Langevin-Proximal Sampling for Flow-based Inverse Problem Solvers

FlowLPS एक ट्रेनिंग-फ्री इनवर्स सॉल्वर है जो लेटेंट फ्लो मॉडल्स के लिए डिज़ाइन किया गया है, जो स्टोकेस्टिक पोस्टीरियर एक्सप्लोरेशन के लिए लैंगवेन अपडेट्स को रैपिड मेजरमेंट कंसिस्टेंसी के लिए प्रॉक्सिमल रिफाइनमेंट के साथ जोड़कर मेजरमेंट फिडेलिटी और परसेप्चुअल क्वालिटी के बीच संतुलन बनाता है।

Jonghyun Park, Jong Chul Ye2026-05-13
📊 statistics

In-Context Multi-Objective Optimization

यह शोधपत्र TAMO को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित, पूर्णतः एमोर्टाइज्ड (fully amortized) पॉलिसी है जो कुशल, सार्वभौमिक मल्टी-ऑब्जेक्टिव ब्लैक-बॉक्स ऑप्टिमाइजेशन करने के लिए इन-कॉन्टेक्स्ट लर्निंग और रीइन्फोर्समेंट लर्निंग का लाभ उठाता है, जिसमें प्रति-कार्य सरोगेट फिटिंग या एक्विजिशन फंक्शन इंजीनियरिंग की आवश्यकता नहीं होती है।

Xinyu Zhang, Conor Hassan, Julien Martinelli, Daolang Huang, Samuel Kaski2026-05-13
🤖 machine learning

BOOST: BOttleneck-Optimized Scalable Training Framework for Low-Rank Large Language Models

यह शोध पत्र BOOST का परिचय देता है, जो एक कुशल प्रशिक्षण ढांचा है जिसमें बॉटलनेक-अवेयर टेंसर पैरेललिज्म और विभिन्न अनुकूलन शामिल हैं जो मानक 3D पैरेललिज्म की संचार और उपयोग सीमाओं को दूर करके बड़े पैमाने के लो-रैंक बॉटलनेक आर्किटेक्चर के प्रशिक्षण को महत्वपूर्ण रूप से तेज करते हैं।

Zhengyang Wang, Ziyue Liu, Ruijie Zhang, Avinash Maurya, Paul Hovland, Bogdan Nicolae, Franck Cappello, Zheng Zhang2026-05-13