🤖 Category

cs.LG

24514 पेपर

🤖 machine learning

Feature Rivalry in Sparse Autoencoder Representations: A Mechanistic Study of Uncertainty-Driven Feature Competition in LLMs

यह शोध पत्र "फीचर राइवलरी" (feature rivalry) को नकारात्मक रूप से सह-संबंधित स्पार्स ऑटोएन्कोडर फीचर युग्मों के रूप में प्रस्तुत करता है जो Gemma-2-2B में मॉडल अनिश्चितता के एक यांत्रिक हस्ताक्षर (mechanistic signature) के रूप में कार्य करते हैं, यह प्रदर्शित करते हुए कि उच्च-एन्ट्रॉपी वाले प्रॉम्प्ट विशिष्ट परतों में तीव्र राइवलरी को ट्रिगर करते हैं, राइवलरी अक्षों (rivalry axes) के अनुदिश स्टीयरिंग आउटपुट को कार्यमूलक रूप से प्रभावित करती है, और राइवलरी स्कोर उत्तर की शुद्धता का पूर्वानुमान लगा सकते हैं।

Harshavardhan2026-05-12
🤖 machine learning

A PyTorch Library of Turing-Complete Neural Networks

यह शोध पत्र एक PyTorch लाइब्रेरी प्रस्तुत करता है जो ट्यूरिंग मशीन विवरणों को दो विशिष्ट आर्किटेक्चर का उपयोग करके सटीक, प्रशिक्षण-मुक्त न्यूरल नेटवर्क सिमुलेशन में संकलित करता है: वे एट अल (2021) पर आधारित एक ट्रांसफार्मर और सीगेलमैन और सोंटाग (1995) पर आधारित एक आवर्ती (recurrent) नेटवर्क।

Jonathan Bates2026-05-12
🤖 AI

Understanding Asynchronous Inference Methods for Vision-Language-Action Models

यह शोध पत्र नियंत्रित परिस्थितियों में विजन-लैंग्वेज-एक्शन मॉडल्स के लिए चार एसिंक्रोनस इन्फरेंस विधियों का एक व्यवस्थित तुलना प्रस्तुत करता है, जो यह प्रकट करता है कि लाइटवेट रेसिडुअल करेक्शन (A2C2), किनेटिक्स और लिबेरो बेंचमार्क पर अन्य विधियों से बेहतर प्रदर्शन करता है, जबकि ट्रेनिंग-टाइम डिले सिमुलेशन (TT-RTC) सबसे सुदृढ़ ज़ीरो-ओवरहेड समाधान प्रदान करता है।

Ayoub Agouzoul2026-05-12
🤖 machine learning

Quantitative Sobolev Approximation Bounds for Neural Operators with Empirical Validation on Burgers Equation

यह शोध पत्र एक सैद्धांतिक ढांचा स्थापित करता है जो यह सिद्ध करता है कि न्यूरल ऑपरेटर्स सोबोलेव स्पेस (Sobolev spaces) के बीच नॉनलीन मैपिंग को स्पष्ट जटिलता-त्रुटि सीमाओं (complexity-error bounds) के साथ समान रूप से अनुमानित कर सकते हैं, और बर्गर्स समीकरण (Burgers equation) पर इन भविष्यवाणियों को उच्च-सटीक अवकलज-संरक्षण अनुमानों (derivative-preserving approximations) को प्राप्त करके और व्युत्पन्न स्केलिंग कानूनों का पालन करके अनुभवजन्य रूप से मान्य करता है।

Nicole Hao2026-05-12
🤖 machine learning

Communication Dynamics Neural Networks: FFT-Diagonalized Layers for Improved Hessian Conditioning at Reduced Parameter Count

यह शोध पत्र कम्युनिकेशन डायनेमिक्स (CD) लीनियर लेयर्स को प्रस्तुत करता है, जो एक ब्लॉक-सर्कुलेंट न्यूरल नेटवर्क आर्किटेक्चर है जो फूरियर डायगोनलाइजेशन का लाभ उठाकर एक आदर्श के करीब हेसियन कंडीशन नंबर और एक सैद्धांतिक रूप से आधारित ड्रॉपआउट दर प्राप्त करता है, जिससे डेंस बेसलाइन की तुलना में न्यूनतम सटीकता हानि के साथ 3.8 गुना पैरामीटर कमी सक्षम होती है।

Lurong Pan2026-05-12
🤖 machine learning

Augmented Equivariant Mesh Networks for Anatomical Segmentation

यह शोध पत्र EAMS को प्रस्तुत करता है, जो एक हल्का (lightweight) इक्विवेरिएंट मेश नेटवर्क है जो विविध कार्यों और पर्यवेक्षण स्तरों के तहत सुदृढ़ शारीरिक विखंडन (anatomical segmentation) प्राप्त करता है, जहाँ मौजूदा गैर-इक्विवेरिएंट विधियाँ विफल हो जाती हैं, उन ज्यामितीय विचलनों के तहत स्थिरता बनाए रखते हुए।

Daniel Saragih2026-05-12
🤖 machine learning

CASISR: Circular Arbitrary-Scale Image Super-Resolution

यह शोध पत्र सर्कुलर आर्बिट्ररी-स्केल इमेज सुपर-रिज़ॉल्यूशन (CASISR) का प्रस्ताव करता है, जो कि ऑटोमैटिक कंट्रोल थ्योरी पर आधारित एक क्लोज्ड-लूप आर्किटेक्चर है जो सामान्यीकरण प्रदर्शन को बढ़ाने के लिए टेस्टिंग सैंपल्स का लाभ उठाता है और स्टेट-ऑफ-द-आर्ट विधियों से बेहतर प्रदर्शन करता है, विशेष रूप से भिन्नात्मक स्केल फैक्टर्स और तीक्ष्ण किनारों वाली छवियों के लिए।

Honggui Li, Zhengyang Zhang, Dingtai Li, Sinan Chen, Nahid Md Lokman Hossain, Xinfeng Xu, Yinlu Qin, Ruobing Wang, Hanta (…)2026-05-12
🤖 machine learning

Physics-Modeled Neural Networks

यह शोधपत्र डायनेमिकल फिजिक्स-मॉडलड न्यूरल नेटवर्क्स (DynPMNNs) को प्रस्तुत करता है, जो रिप्रोड्यूसिंग कर्नेल बानाच स्पेस पर आधारित एक निरंतर-समय गहन शिक्षण आर्किटेक्चर है, जो स्थिर सक्रियणों (static activations) को फिट्ज़ह्यू-नागमो मॉडल जैसे समय-विकसित होने वाले गतिशील प्रणालियों से प्रतिस्थापित करता है, जिससे मौजूदा विधियों की तुलना में कम मापदंडों के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त होता है और गतिशील प्रणालियों एवं गहन शिक्षण के बीच के अंतर को पाटा जाता है।

Raul Felipe-Sosa, Angel Martin del Rey, Maria Flores Ceballos2026-05-12
🔢 mathematics

Information Density as a Quantitative Measure for AI-enabled Virtual Sensing: Feasibility and Limits

यह शोध पत्र एआई-संचालित वर्चुअल सेंसिंग को सक्षम करने के लिए स्थानिक, टेम्पोरल और इंटर-मोडल सहसंबंधों का उपयोग करते हुए एक "सूचना घनत्व" (इन्फॉर्मेशन डेंसिटी) ढांचे का प्रस्ताव करता है, जो मैड्रिड स्मार्ट सिटी डेटा के माध्यम से यह प्रदर्शित करता है कि भौतिक सेंसरों को न्यूनतम त्रुटि (<3.21%) के साथ प्रभावी रूप से वर्चुअल सेंसरों द्वारा प्रतिस्थापित किया जा सकता है ताकि स्केलेबल और ऊर्जा-कुशल आईओटी (IoT) सिस्टम बनाए जा सकें।

Hrishikesh Dutta, Roberto Minerva, Reza Farahbakhsh, Noel Crespi2026-05-12
🤖 AI

Text-Guided Multi-Scale Frequency Representation Adaptation

यह शोध पत्र FreqAdapter का प्रस्ताव करता है, जो एक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो मल्टीमॉडल मॉडलों में प्रदर्शन और दक्षता को महत्वपूर्ण रूप से सुधारने के लिए टेक्स्टुअल मार्गदर्शन को एकीकृत करके फ्रीक्वेंसी डोमेन में मल्टी-स्केल सिग्नल अनुकूलन करने हेतु मौजूदा दृष्टिकोणों की रेडंडेंसी और फिक्स्ड-रिसेप्टिव-फील्ड सीमाओं को दूर करता है।

Weicai Yan, Xinhua Ma, Wang Lin, Tao Jin2026-05-12