🧬 biology

Imputation-free transformer learning enables robust Alzheimer's disease prediction and calibrated uncertainty quantification across heterogeneous clinical cohorts

यह शोध पत्र NITROGEN को प्रस्तुत करता है, जो एक इम्प्यूटेशन-मुक्त (imputation-free) ट्रांसफार्मर मॉडल है जो पक्षपात-प्रेरित इम्प्यूटेशन रणनीतियों पर निर्भर किए बिना सीधे आंशिक रूप से प्रेक्षित डेटा से सीखकर, विषम नैदानिक समूहों (heterogeneous clinical cohorts) में सुदृढ़ अल्जाइमर रोग भविष्यवाणी और कैलिब्रेटेड अनिश्चितता परिमाणीकरण (calibrated uncertainty quantification) प्राप्त करता है।

Christelle Schneuwly Diaz, Narmina Baghirova, Duy-Thanh Vu, Duy-Cat Can, Gilles Allali, Philippe Ryvlin, Oliver Y. Chén2026-07-14
🤖 machine learning

How to Tame Grokking: Representation Geometry as a Control Signal

यह शोध पत्र पहचानता है कि रिप्रजेंटेशन ज्योमेट्री में डाइमेंशनलिटी कोलैप्स (dimensionality collapse) लगातार ग्रौकिंग (grokking) की घटना से पहले होता है और इस ज्योमेट्री को सक्रिय रूप से नियंत्रित करने के लिए ज्योमेट्रिक डाइमेंशनलिटी रेगुलराइजेशन (GeomDR) पेश करता है, जिससे विभिन्न कार्यों और आर्किटेक्चर में सामान्यीकरण (generalization) को 52 गुना तक त्वरित किया जा सकता है।

Maksim A Kazanskii2026-07-14
🤖 machine learning

Self-Healing Visual Recovery for Autonomous Ground Vehicles Using Camera-Only Visual Odometry

यह शोध पत्र कैमरा-ओनली ऑटोनॉमस ग्राउंड व्हीकल्स के लिए एक हल्का, दो-चरणीय स्व-उपचार (सेल्फ-हीलिंग) फ्रेमवर्क प्रस्तुत करता है जो एडेप्टिव इन-प्लेस सर्चिंग को मोनोक्यूलर विजुअल ओडोमेट्री-आधारित ब्रेडक्रंब नेविगेशन के साथ जोड़कर, बाहरी बुनियादी ढांचे के बिना केवल CPU-ओनली हार्डवेयर पर 20 Hz पर संचालित होते हुए, फॉल्ट-इंजेक्टेड मामलों में 86.6% मामलों में खोई हुई लाइन-फॉलोइंग गाइडेंस से सफलतापूर्वक उबरता है।

Jakob Solberg Berntzen, Safia Fatima, Leon Moonen2026-07-14
🔬 materials science

CatRetriever: Contrastive Representation Learning for Slab-to-Bulk Retrieval in Generative Catalyst Discovery

CatRetriever एक कंट्रास्टिव रिप्रेजेंटेशन लर्निंग मॉडल पेश करता है जो जनरेटिव स्लैब-लेवल कैटलिस्ट डिजाइनों और उनके पैरेंट बल्क स्ट्रक्चर्स के बीच के अंतर को पाटता है, जिससे हेटेरोजेनियस कैटलिसिस में लक्षित सोखना ऊर्जा (adsorption energy) की खोज को सुगम बनाने के लिए भौतिक रूप से प्रशंसनीय बल्क उम्मीदवारों की उच्च-सटीकता वाली रिट्रीवल संभव होती है।

Jungho Oh, Woosung Kim, Dong Hyeon Mok, Jonggeol Na, Seoin Back2026-07-14
🤖 machine learning

Active Offline-to-Online Reinforcement Learning

यह शोध पत्र ऑफलाइन-टू-ऑनलाइन सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के लिए एक नवीन सक्रिय नीति चयन ढांचे को प्रस्तुत करता है जो स्थानीय रूप से रैखिक प्रदर्शन पूर्वानुमानों से प्राप्त ऊपरी-विश्वास सीमाओं (अपर-कॉन्फिडेंस बाउंड्स) का उपयोग करके उम्मीदवार नीतियों के मूल्यांकन और सबसे आशाजनक नीतियों के फाइन-ट्यूनिंग के बीच के संतुलन को गतिशील रूप से संतुलित करके सीमित इंटरेक्शन बजट को अनुकूलित करता है।

Alper Kamil Bozkurt, Shangtong Zhang, Yuichi Motai2026-07-14
🤖 machine learning

Time-Lag-Aware Deep Reinforcement Learning for Flexible Job-Shop Scheduling in PPVC Module Factories

यह शोध पत्र एक टाइम-लैग-अवेयर (time-lag-aware) डीप रिइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तावित करता है जो लंबे पोस्ट-ऑपरेशन विलंब को स्पष्ट रूप से मॉडल करके, बिना किसी बाहरी सॉल्वर की आवश्यकता के, प्रीफैब्रिकेटेड मॉड्यूल कारखानों के लिए फ्लेक्सिबल जॉब-शॉप शेड्यूलिंग को अनुकूलित करने में पारंपरिक डिस्पैचिंग नियमों और मेटा-ह्यूरिस्टिक्स से काफी बेहतर प्रदर्शन करता है और लगभग इष्टतम मेक्सपैन (makespan) परिणाम प्राप्त करता है।

Ziheng Zhang, Wei Zhang2026-07-14
🤖 machine learning

NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception

यह शोध पत्र NeuralActuator प्रस्तुत करता है, जो एक नए एकत्रित डेटासेट पर प्रशिक्षित एक न्यूरल एक्चुएटर मॉडल है जो सिम-टू-रियल त्रुटियों को दूर करने और विविध कम लागत वाले और उच्च-स्तरीय रोबोटिक प्लेटफॉर्म्स में सेंसरलेस फोर्स परसेप्शन को सक्षम करने के लिए सिम्युलेटर-तुल्य टॉर्क सरोगेट्स, बाहरी संपर्क बलों और मोटर स्वास्थ्य स्कोर की संयुक्त रूप से भविष्यवाणी करता है।

Zhiyang Dou, John U. Onyemelukwe, Hangxing Zhang, Heng Zhang, Minghao Guo, Yunsheng Tian, Michal Piotr Lipiec, Joshua Ja (…)2026-07-14
🤖 machine learning

When Local Monitors Miss Compositional Harm: Diagnosing Distributed Backdoors in Multi-Agent Systems

यह शोध पत्र प्रदर्शित करता है कि मल्टी-एजेंट LLM सिस्टम में स्थानीय रनटाइम मॉनिटर उन वितरित बैकडोर्स (distributed backdoors) का पता लगाने में विफल रहते हैं जब हानिकारक पेलोड को व्यक्तिगत रूप से निर्दोष अंशों में विभाजित किया जाता है, जो एक अवलोकन सीमा (observability boundary) स्थापित करता है जहाँ सुरक्षा केवल तभी सुनिश्चित की जा सकती है जब असेंबल की गई वस्तु का पता लगाया जाए या उस अंतर्निहित प्रतिनिधित्व तक पहुँचा जाए जहाँ क्षति उजागर होती है।

Yibo Hu, Ren Wang2026-07-14
🤖 machine learning

From Global to Factor-Wise Expert Composition in Discrete Diffusion Models

यह शोधपत्र FactorDiff प्रस्तुत करता है, जो कि डिस्क्रीट डिफ्यूजन मॉडल्स के लिए एक नवीन फ्रेमवर्क है, जो वैश्विक मिश्रण भार (global mixing weights) लागू करने के बजाय व्यक्तिगत नमूना कारकों (individual sample factors) को विशिष्ट विशेषज्ञों (specialized experts) में गतिशील रूप से रूट करके संरचनात्मक पीढ़ी (compositional generation) में सुधार करता है, जिससे ARC-AGI जैसे स्थानिक रूप से जटिल तर्क कार्यों पर बेहतर प्रदर्शन प्राप्त होता है।

Haozhe Huang, Yudong Xu, Abhijoy Mandal, Alán Aspuru-Guzik2026-07-14
💬 NLP

From Expressivity to Sample Complexity: Narrow Teachers for Transformers via C-RASP

यह शोध पत्र C-RASP निर्माणों (constructions) को सीखने के लिए प्रारंभिक नमूना जटिलता सीमाओं (sample complexity bounds) का प्रस्ताव करके ट्रांसफॉर्मर सीखने की क्षमता (learnability) की सैद्धांतिक समझ को आगे बढ़ाता है, जो मौजूदा अभिव्यक्ति विश्लेषणों (expressivity analyses) और ऐसे समाधानों को सीखने की व्यावहारिक व्यवहार्यता के बीच के अंतर को संबोधित करता है।

Michael Rizvi-Martel, Satwik Bhattamishra, Guillaume Rabusseau, Michael Hahn2026-07-14