cs.LG पेपर | Gist.Science

Robustness Evaluation of Machine Learning Models for Fault Classification and Localization In Power System Protection

यह शोध पत्र पावर सिस्टम फॉल्ट क्लासिफिकेशन और लोकलाइजेशन के लिए मशीन लर्निंग मॉडल्स की मजबूती का मूल्यांकन करने हेतु हाई-फिडेलिटी EMT सिमुलेशन का उपयोग करते हुए एक एकीकृत ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि क्लासिफिकेशन डेटा डिग्रेडेशन के तहत काफी हद तक स्थिर रहता है, लोकलाइजेशन की सटीकता वोल्टेज माप के नुकसान के प्रति अत्यधिक संवेदनशील है।

Julian Oelhaf, Mehran Pashaei, Georg Kordowich, Christian Bergler, Andreas Maier, Johann Jäger, Siming Bayer2026-07-13

🤖 machine learning

Hair-Trigger Alignment: Black-Box Evaluation Cannot Guarantee Post-Update Alignment

यह शोध पत्र यह प्रदर्शित करता है कि स्टैटिक ब्लैक-बॉक्स मूल्यांकन अपडेट के बाद लार्ज लैंग्वेज मॉडल्स की सुरक्षा की गारंटी नहीं दे सकता है, क्योंकि ओवरपैरामीट्राइजेशन मॉडल्स को सभी मानक अलाइनमेंट परीक्षणों को पास करने की अनुमति देता है जबकि वे उन अंतर्निहित प्रतिकूल व्यवहारों को छिपाए रखते हैं जिन्हें एक एकल बेनाइन ग्रेडिएंट अपडेट द्वारा भी ट्रिगर किया जा सकता है।

Yavuz Bakman, Duygu Nur Yaldiz, Eleni Triantafillou, Peter Kairouz, Salman Avestimehr, Sai Praneeth Karimireddy2026-07-13

🤖 AI

Preference Conditioned Multi-Objective Reinforcement Learning: Decomposed, Diversity-Driven Policy Optimization

यह शोध पत्र $D^3PO$ को प्रस्तुत करता है, जो एक प्राथमिकता-सशर्त बहु-उद्देश्यीय सुदृढीकरण शिक्षण (multi-objective reinforcement learning) ढांचा है, जो एक विखंडित, विलंब-चरण भारण पाइपलाइन (decomposed, late-stage weighting pipeline) और एक विविधता नियमितकर्ता (diversity regularizer) का उपयोग करके मौजूदा विधियों की सीमाओं को दूर करता है ताकि विविध बेंचमार्क में बेहतर पारेटो फ्रंट कवरेज और उच्च-गुणवत्ता वाली नीतियां प्राप्त की जा सकें।

Tanmay Ambadkar, Sourav Panda, Shreyash Kale, Jonathan Dodge, Abhinav Verma2026-07-13

🤖 machine learning

Tensor Methods: A Unified and Interpretable Approach for Material Design

यह शोध पत्र सामग्री डिजाइन के लिए एक एकीकृत टेंसर पूर्णता (tensor completion) दृष्टिकोण प्रस्तावित करता है जो गैर-समान नमूनाकरण (non-uniform sampling) के तहत व्याख्यात्मकता और सामान्यीकरण दोनों में पारंपरिक मशीन लर्निंग सरोगेट मॉडल से बेहतर प्रदर्शन करता है, और अपने टेंसर कारकों के माध्यम से अंतर्निहित भौतिक घटनाओं को सफलतापूर्वक पुन: खोजता है।

Shaan Pakala, Aldair E. Gongora, Brian Giera, Evangelos E. Papalexakis2026-07-13

📊 statistics

Global Sequential Testing for Multi-Stream Auditing

यह शोध पत्र मल्टी-स्ट्रीम ऑडिटिंग के लिए कुशल वैश्विक अनुक्रमिक परीक्षण विधियों का प्रस्ताव करता है जो पारंपरिक बोनफेरोनी-आधारित दृष्टिकोणों की तुलना में तेज़ स्टॉपिंग समय और अधिक सांख्यिकीय शक्ति प्राप्त करने के लिए मर्जिंग मार्टिंगल्स का उपयोग करते हैं, विशेष रूप से सघन वैकल्पिक परिकल्पनाओं के तहत।

Beepul Bharti, Ambar Pal, Jeremias Sulam2026-07-13

🔢 mathematics

Reduced-Order Models: The Mother of World Models

यह शोध पत्र तर्क देता है कि आधुनिक वर्ल्ड मॉडल (world models), कंट्रोल थ्योरी के दशकों पुराने रिड्यूस्ड-ऑर्डर मॉडल्स (reduced-order models) के कार्यात्मक रूप से समान हैं, और सुरक्षा-महत्वपूर्ण भौतिक प्रणालियों में वर्ल्ड मॉडल्स को तैनात करने के लिए आवश्यक सत्यापन क्षमता की चुनौती को हल करने हेतु इन वंशावलियों को एकीकृत करने का प्रस्ताव देता है।

Rajat Ghosh2026-07-13

🧬 biology

Causal ASCEND: Scalable Two-tier Causal Discovery on High Dimensional Multi-omics Data

यह शोध पत्र ASCEND को प्रस्तुत करता है, जो एक स्केलेबल, बाधा-आधारित (constraint-based) ढांचा है जो उच्च-आयामी मल्टी-ओमिक्स डेटा पर कुशल, बहुपद-समय (polynomial-time) कारण खोज (causal discovery) और जीन नियामक नेटवर्क अनुमान को सक्षम करने के लिए ज्ञात द्वि-स्तरीय जैविक संरचनाओं का लाभ उठाता है, जो सटीकता और कम्प्यूटेशनल गति दोनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।

Stephen Asiedu, David Watson2026-07-13

🤖 machine learning

Sticky Routing: Training MoE Models for Memory-Efficient Inference

यह शोधपत्र StickyMoE का प्रस्ताव करता है, जो एक डिफरेंशियल योग्य (differentiable) रूटिंग कंसिस्टेंसी लॉस है जो Mixture-of-Experts मॉडल्स को अर्थपूर्ण रूप से सुसंगत टोकन स्पैन (token spans) में विशेषज्ञ असाइनमेंट बनाए रखने के लिए प्रशिक्षित करता है, जिससे एज डिवाइसेस पर मेमोरी-गहन वेट स्वैपिंग (weight swapping) को न्यूनतम परप्लेक्सिटी डिग्रेडेशन के साथ काफी कम किया जा सकता है।

Ali Kayyam2026-07-13

🤖 machine learning

Reward Transport: Property Control in Flow Matching via Noise-Space Alignment

यह शोध पत्र रिवॉर्ड ट्रांसपोर्ट (Reward Transport) प्रस्तुत करता है, जो एक नवीन फ्लो मैचिंग फ्रेमवर्क है जो ऑप्टिमल ट्रांसपोर्ट के माध्यम से शोर-डेटा कपलिंग (noise-data coupling) में नियंत्रणीय आणविक गुणों को सीधे समाहित करता है, जिससे अतिरिक्त रिवॉर्ड मॉडल या ग्रेडिएंट गाइडेंस की आवश्यकता के बिना विशिष्ट लक्ष्यों जैसे कि logP या QED की ओर उत्पन्न अणुओं को इन्फरेंस-टाइम स्टीयरिंग (inference-time steering) सक्षम बनाया जा सके।

Kehan Guo, Yili Shen, Yujun Zhou, Yue Huang, Chujie Gao, Shiyi Du, Xiangliang Zhang2026-07-13

🤖 machine learning

HERO: A Heterogeneity-Aware Benchmark Library for Federated Continual Learning

यह शोध पत्र HERO को पेश करता है, जो फेडरेटेड कॉन्टिनुअल लर्निंग के लिए एक विषमता-जागरूक (heterogeneity-aware) बेंचमार्क लाइब्रेरी है जो टास्क स्प्लिट्स, क्लाइंट डेटा वितरण और टास्क सीक्वेंस को अलग करती है ताकि पुनरुत्पादनीय (reproducible) मूल्यांकन सक्षम किया जा सके, जो यह प्रकट करता है कि विभिन्न विषमता सेटिंग्स में विधियों का प्रदर्शन कैसे भिन्न होता है और औसत मेट्रिक्स द्वारा इसे कैसे छिपाया जा सकता है।

Thinh T. H. Nguyen, Le-Tuan Nguyen, Minh-Duong Nguyen, Nhi Trinh, Anh Tran Nam Nguyet, Dung D. Le, Kok-Seng Wong2026-07-13

← पिछला अगला →