🤖 Category

cs.LG

20203 पेपर

🤖 machine learning

SPARC-Net: A Spectral, Causality-Aware, and Hard-Constrained Physics-Informed Architecture for Stiff and Shock-Dominated Partial Differential Equations

यह शोध पत्र SPARC-Net को प्रस्तुत करता है, जो एक एकीकृत भौतिकी-सूचित तंत्रिका नेटवर्क (physics-informed neural network) आर्किटेक्चर है जो एडेप्टिव स्पेक्ट्रल एनकोडिंग, हार्ड-कंस्ट्रेंड आउटपुट्स और विशिष्ट प्रशिक्षण रणनीतियों के माध्यम से स्पेक्ट्रल बायस, लॉस-वेट कोलैप्स, कार्य-कारण उल्लंघन (causality violations) और अपर्याप्त रूप से रिज़ॉल्व्ड कोलोकेशन को एक साथ संबोधित करता है, जिससे स्टिफ (stiff) और शॉक-डोमिनेटेड आंशिक अंतर समीकरणों (partial differential equations) को हल करने में वैनिला PINNs की तुलना में पर्याप्त त्रुटि न्यूनीकरण प्राप्त किया जाता है।

Divyavardhan Singh, Dimple Sonone, Hammad Mohammad, Kishor Upla2026-07-14
💬 NLP

StructAgent: Harness Long-horizon Digital Agents with Unified Causal Structure

StructAgent एक अवस्था-केंद्रित (state-centered) ढांचे को पेश करता है जो लंबी अवधि के डिजिटल एजेंट कार्यों को प्रबंधित करने के लिए एकीकृत कारण संरचनाओं (unified causal structures) का उपयोग करता है, जो सत्यापन योग्य, साक्ष्य-आधारित प्रगति ट्रैकिंग और रिकवरी को सक्षम करके विविध LLM/VLM बैकबोन और परिवेशों में सफलता दर और सामान्यीकरण क्षमता में महत्वपूर्ण सुधार करता है।

Wenyi Wu, Sibo Zhu, Kun Zhou, Aayush Salvi, Zixuan Song, Biwei Huang2026-07-14
🤖 machine learning

Physics-Aware Conditional SetGAN for Spatially Consistent Multi-User TR 38.901 Channel Generation

यह शोध पत्र एक भौतिकी-जागरूक (physics-aware), ज्यामिति-सशर्त (geometry-conditioned) SetGAN प्रस्तावित करता है जो मानक Sionna मॉडल की तुलना में स्थानिक रूप से सुसंगत मल्टी-यूज़र TR 38.901 चैनलों के जनरेशन को महत्वपूर्ण रूप से त्वरित करता है, जबकि पावर डिस्ट्रीब्यूशन और स्थानिक सहसंबंध प्रोफाइल (spatial correlation profiles) में उच्च निष्ठा बनाए रखता है।

Mauro Gonzalo Tarazona-Levano, David Lopez-Perez, Nicola Piovesan, David Gomez-Barquero2026-07-14
🤖 machine learning

Velocity Scheduled Flow Matching

यह शोध पत्र वेलोसिटी शेड्यूल्ड फ्लो मैचिंग (VSFM) को प्रस्तुत करता है, जो एक ऐसी विधि है जो अनुकूलित एकीकरण शेड्यूल्स के माध्यम से सैंपलिंग लागत को कम करने और जनरेशन गुणवत्ता (FID) में सुधार करने के लिए मानक फ्लो मैचिंग की स्थिर-गति धारणा को चर वेग प्रोफाइल (variable velocity profiles) के साथ शिथिल करती है, चाहे वह इन्फरेंस के दौरान प्रीट्रेन मॉडल्स का पुन: उपयोग करके हो या विशिष्ट ब्रेकिंग प्रोफाइल्स के साथ स्क्रैच से प्रशिक्षण देकर।

Vitalii Bondar2026-07-14
🤖 machine learning

Event-based Neural Decoding for Neuroprosthetic Motor Control

यह शोध पत्र न्यूरोप्रोस्थेटिक मोटर नियंत्रण के लिए एक उच्च-प्रदर्शन, ऊर्जा-कुशल न्यूरल डिकोडिंग पद्धति प्रस्तावित करता है जो वर्तमान डीप लर्निंग-आधारित प्रोस्थेसिस की विलंबता (लेटेंसी) और बैंडविड्थ सीमाओं को दूर करने के लिए ग्रेडेड स्पाइक्स के साथ एक इवेंट-आधारित गेटेड रिकरेंट यूनिट का उपयोग करता है, जबकि पारंपरिक स्पाइकिंग न्यूरल नेटवर्क से बेहतर प्रदर्शन करता है।

Khaleelulla Khan Nazeer, Sirine Arfa, Matthias Jobst, Richard George, Christian Mayr2026-07-14
🤖 machine learning

Agentic Skill Optimization over Lie Algebroids

यह शोध पत्र LASKO को प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो एडिट नीतियों और उनके गैर-क्रमविनिमेय (non-commutative) संयोजनों को दर्शाने के लिए ली अल्जेब्रॉइड्स (Lie algebroids) का उपयोग करके एजेंटिक कौशल अनुकूलन को मॉडल करता है, जिससे महंगी LLM सत्यापन प्रक्रिया से पहले सस्ते ली-ब्रैकेट परीक्षणों के माध्यम से संपादन की स्क्रीनिंग करके क्रम-परिमाण (order-of-magnitude) की गति वृद्धि संभव होती है।

Sridhar Mahadevan2026-07-14
🤖 machine learning

IG-GAN: A Generative Adversarial Network for Aerodynamic Data Generation Based on Intrinsic Geometry

यह शोध पत्र IG-GAN का प्रस्ताव करता है, जो एक अंतर्निहित-ज्यामिति-आधारित जनरेटिव एडवरसैरियल नेटवर्क (generative adversarial network) है जो एरोडायनामिक डेटा को पीसवाइज़ स्मूथ बेज़ियर मैनिफोल्ड्स (piecewise smooth Bézier manifolds) के रूप में मॉडल करता है और एरोडायनामिक डेटासेट पर भविष्यवाणी त्रुटियों को कम करने में अत्याधुनिक बेसलाइन से काफी बेहतर प्रदर्शन करने के लिए रेडियल-बेसिस-फंक्शन डिस्क्रिमिनेटर (radial-basis-function discriminator) का उपयोग करता है।

Ying Yan, Liwei Hu, Xiaoming Zhang2026-07-14
📊 statistics

CDFM: Towards a General-Purpose Causal Discovery Foundation Model

यह शोध पत्र कॉज़ल डिस्कवरी फाउंडेशन मॉडल (CDFM) को प्रस्तुत करता है, जो एक एकीकृत, सर्व-उद्देश्यीय ढांचा है जो शून्य-शॉट स्ट्रक्चरल इन्फरेंस (zero-shot structural inference) प्राप्त करने के लिए एक सिद्धांत-आधारित वेरिएशनल दृष्टिकोण और सिंथेटिक कॉज़ल मॉडल्स पर व्यापक प्रीट्रेनिंग का लाभ उठाता है, जिससे पारंपरिक डेटासेट-विशिष्ट कॉज़ल डिस्कवरी एल्गोरिदम की स्केलेबिलिटी सीमाओं को दूर किया जा सके।

Jie Qiao, Ruichu Cai, Zijian Li, Weilin Chen, Pengfei Hua, Boyan Xu, Zhengming Chen, Zhifeng Hao, Peng Cui2026-07-14
📊 statistics

DAG-FM: A Foundation Model for Causal Discovery under Heterogeneous Causal Mechanisms

यह शोध पत्र DAG-FM को प्रस्तुत करता है, जो एक नवीन फाउंडेशन मॉडल है जो विषम और उच्च-आयामी सारणीबद्ध डेटा (tabular data) पर अत्याधुनिक कॉज़ल डिस्कवरी प्रदर्शन प्राप्त करने के लिए 'मिक्सचर-ऑफ-लीफ-एक्सपर्ट्स' तंत्र के साथ एक दो-चरणीय ऑटो-रिग्रेसिव ट्रांसफॉर्मर आर्किटेक्चर का लाभ उठाता है।

Yikang Chen, Zhengkang Guan, Haoyuan Qian, Peng Cui, Yi Yang, Kun Kuang2026-07-14
🤖 AI

Learning Residual Kinematic Corrections for Continuous Neural Decoding via Reinforcement Learning

यह शोध पत्र एक दो-चरणीय डिकोडिंग ढांचे का प्रस्ताव करता है जो EEG संकेतों से निरंतर 3D मोटर इमेजरी डिकोडिंग में अवशिष्ट गतिज त्रुटियों (residual kinematic errors) को सुधारने के लिए एक CNN-LSTM मॉडल को ऑफलाइन सुदृढीकरण लर्निंग (offline reinforcement learning) के साथ जोड़ता है, जो अतिरिक्त न्यूरल डेटा की आवश्यकता के बिना प्रक्षेपवक्र सटीकता (trajectory accuracy) में काफी सुधार करता है और त्रुटि दरों को कम करता है।

Jiamian Li, Niall McShane, Attila Korik, Naomi du Bois, Karl McCreadie, Leen Jabban, Benjamin Metcalfe, Özgür Şimşek, Da (…)2026-07-14