🤖 Category

cs.LG

24939 पेपर

📊 statistics

Don't Throw Away Your Beams: Improving Consistency-based Uncertainties in LLMs via Beam Search

यह शोध पत्र बड़े भाषा मॉडलों (large language models) में निरंतरता-आधारित अनिश्चितता परिमाणीकरण (consistency-based uncertainty quantification) के लिए उम्मीदवारों को उत्पन्न करने हेतु मल्टीनोमियल सैंपलिंग (multinomial sampling) के स्थान पर बीम सर्च (beam search) के उपयोग का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण विचरण (variance) को कम करता है और लघु-रूप प्रश्नोत्तर (short-form QA) कार्यों पर अत्याधुनिक प्रदर्शन प्राप्त करता है।

Ekaterina Fadeeva, Maiya Goloburda, Aleksandr Rubashevskii, Roman Vashurin, Artem Shelmanov, Preslav Nakov, Mrinmaya Sac (…)2026-05-08
🤖 machine learning

Generalised Linear Models in Deep Bayesian RL with Learnable Basis Functions

यह शोध पत्र GLiBRL प्रस्तुत करता है, जो एक नवीन डीप बेयसियन रिइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो पूर्णतः सुलभ बेयसियन अनुमान और सटीक मार्जिनल लाइकलीहुड मूल्यांकन प्राप्त करने के लिए सीखने योग्य बेसिस फंक्शन्स और जनरलाइज्ड लीनियर मॉडल्स का उपयोग करता है, जिससे पूर्ववर्ती विधियों की अस्पष्ट कार्य प्रस्तुतियों (task representations) पर विजय प्राप्त होती है और MuJoCo एवं MetaWorld बेंचमार्क पर अत्याधुनिक प्रदर्शन में महत्वपूर्ण सुधार होता है।

Jingyang You, Hanna Kurniawati2026-05-08
🤖 machine learning

Fusion or Confusion? Multimodal Complexity Is Not All You Need

यह शोध पत्र इस धारणा को चुनौती देता है कि मल्टीमॉडल आर्किटेक्चरल जटिलता को बढ़ाने से प्रदर्शन में सुधार होता है, एक बड़े पैमाने के अनुभवजन्य अध्ययन के माध्यम से यह प्रदर्शित करते हुए कि ऐसी जटिलता अक्सर भ्रम की स्थिति पैदा करती है और सरल बेसलाइन से बेहतर प्रदर्शन करने में विफल रहती है, जिससे आर्किटेक्चरल नवीनता के बजाय पद्धतिगत कठोरता पर ध्यान केंद्रित करने की वकालत की जाती है।

Tillmann Rheude, Roland Eils, Benjamin Wild2026-05-08
🤖 machine learning

A PAC-Bayesian Analysis of Channel-Induced Degradation in Edge Inference

यह योगदान एक उन्नत न्यूरल नेटवर्क मॉडल और एक चैनल-जागरूक प्रशिक्षण एल्गोरिदम को पेश करके वायरलेस चैनलों के अज्ञात वास्तविकताओं के कारण नेटवर्क-एज इन्फरेंस में होने वाली प्रदर्शन गिरावट को सीमित और न्यूनतम करने के लिए एक PAC-बेयसियन सैद्धांतिक ढांचा स्थापित करता है जो परिवर्तनशील चैनल स्थितियों के तहत मजबूती में सुधार करता है।

Yangshuo He, Guanding Yu, Jingge Zhu2026-05-08
🤖 machine learning

Suspicious Alignment of SGD: A Fine-Grained Step Size Condition Analysis

यह शोध पत्र इल-कंडीशन्ड ऑप्टिमाइज़ेशन के तहत SGD में "संदिग्ध संरेखण" (suspicious alignment) घटना का एक सूक्ष्म विश्लेषण प्रदान करता है, जो यह प्रकट करता है कि कैसे विशिष्ट स्टेप साइज की स्थितियाँ ग्रेडिएंट अपडेट को एक प्रमुख सबस्पेस के साथ संरेखित कर देती हैं जो विरोधाभासी रूप से लॉस को कम करने में विफल रहता है, जबकि बल्क सबस्पेस के अपडेट प्रभावी बने रहते हैं।

Shenyang Deng, Boyao Liao, Zhuoli Ouyang, Tianyu Pang, Minhak Song, Yaoqing Yang2026-05-08✓ Author reviewed ⓘ
🤖 machine learning

Tree-Structured Synergy of Large Language Models and Bayesian Optimization for Efficient CASH

यह शोध पत्र LB-MCTS प्रस्तुत करता है, जो एक नवीन ढांचा है जो उच्च-आयामी CASH समस्याओं में कोल्ड-स्टार्ट मुद्दों और सामान्यीकरण की सीमाओं को दूर करने के लिए मोंटे कार्लो ट्री सर्च संरचना के भीतर लार्ज लैंग्वेज मॉडल्स और बायेसियन ऑप्टिमाइज़ेशन का तालमेल बिठाता है, और 104 डेटासेट्स में बेहतर प्रदर्शन प्राप्त करता है।

Beicheng Xu, Weitong Qian, Lingching Tung, Yupeng Lu, Bin Cui2026-05-08
🤖 machine learning

Dynamic Expert-Guided Model Averaging for Causal Discovery

यह शोध पत्र एक गतिशील विशेषज्ञ-निर्देशित मॉडल औसत फ्रेमवर्क प्रस्तावित करता है जो विविध कारण खोज एल्गोरिदम के बीच अनिश्चितताओं को हल करने के लिए अपूर्ण विशेषज्ञों से चुनिच्छा रूप से पूछताछ करता है, जिससे एज अस्तित्व और ओरिएंटेशन के बीच अंतर करके स्वच्छ और शोर वाले दोनों प्रकार के डेटा पर प्रदर्शन में सुधार होता है।

Adrick Tench, Thomas Demeester2026-05-08
💬 NLP

LLM-AutoDP: Automatic Data Processing via LLM Agents for Model Fine-tuning

LLM-AutoDP एक नवीन फ्रेमवर्क है जो संवेदनशील डेटा तक सीधी मानवीय पहुँच के बिना, मॉडल फाइन-ट्यूनिंग के लिए डेटा प्रोसेसिंग रणनीतियों को स्वचालित रूप से उत्पन्न करने और उन्हें पुनरावृत्ति (iteratively) के माध्यम से अनुकूलित करने के लिए LLM एजेंटों का लाभ उठाता है, जिससे विशेष त्वरण तकनीकों के माध्यम से उच्च-गुणवत्ता वाले परिणाम प्राप्त होते हैं और खोज समय में काफी कमी आती है।

Wei Huang, Anda Cheng, Yinggui Wang, Lei Wang, Tao Wei2026-05-08
📊 statistics

Fast and Efficient Gossip Algorithms for Robust and Non-smooth Decentralized Learning

यह शोध पत्र AsylADMM को प्रस्तुत करता है, जो एक नवीन एसिंक्रोनस गॉसिप एल्गोरिदम है जो केवल प्रति नोड दो वेरिएबल्स की आवश्यकता के साथ नॉन-स्मूथ ऑब्जेक्टिव्स के लिए सुदृढ़, मेमोरी-कुशल विकेंद्रीकृत शिक्षण को सक्षम बनाता है, जिससे मौजूदा विधियों की स्केलेबिलिटी सीमाओं को पार करते हुए क्वांटाइल एस्टिमेशन और रोबस्ट रिग्रेशन जैसे चुनौतीपूर्ण कार्यों पर बेहतर अभिसरण (convergence) प्रदर्शित किया गया है।

Anna van Elst, Igor Colin, Stephan Clémençon2026-05-08
🤖 machine learning

FRISM: Fine-Grained Reasoning Injection via Subspace-Level Model Merging for Vision-Language Models

FRISM एक सूक्ष्म-स्तरीय तर्क इंजेक्शन ढांचा (fine-grained reasoning injection framework) है जो सिंगुलर वैल्यू डिकंपोजिशन (Singular Value Decomposition) के माध्यम से लार्ज रीजनिंग मॉडल टास्क वेक्टर्स को विघटित करके और सबस्पेस स्केलिंग गुणांकों को अनुकूल रूप से ट्यून करके विजन-लैंग्वेज मॉडल्स को बढ़ाता है, जिससे विजुअल प्रदर्शन को बनाए रखते हुए तर्क क्षमताओं में प्रभावी ढंग से सुधार होता है।

Chenyu Huang, Peng Ye, Xudong Tan, Jinhan Mu, Shenghe Zheng, Li Shen, Tao Chen2026-05-08