🤖 Category

cs.LG

25046 पेपर

🔢 mathematics

Convex-Geometric Error Bounds for Positive-Weight Kernel Quadrature

यह शोध पत्र यह स्थापित करता है कि पॉजिटिव-वेट कर्नेल क्वाड्रचर (positive-weight kernel quadrature), कर्नेल मीन एम्बेडिंग्स (kernel mean embeddings) को अनुमानित करने के लिए रैंडम कॉनवेक्स हल (random convex hulls) की ज्यामिति का लाभ उठाकर मोंटे कार्लो-बीटिंग कन्वर्जेंस रेट्स (Monte Carlo-beating convergence rates) प्राप्त कर सकता है, जो स्थिर, सिम्प्लेक्स-कंस्ट्रेंड रीवेटिंग (simplex-constrained reweighting) के लिए सैद्धांतिक त्रुटि सीमाएं और एक रचनात्मक फ्रैंक-वोल्के एल्गोरिदम (Frank-Wolfe algorithm) दोनों प्रदान करता है।

Satoshi Hayakawa2026-05-08
💬 NLP

Decodable but Not Corrected by Fixed Residual-Stream Linear Steering: Evidence from Medical LLM Failure Regimes

यह शोध पत्र प्रदर्शित करता है कि यद्यपि मेडिकल LLMs में एक विशिष्ट "ओवरथिंकिंग" विफलता मोड (failure mode) को हिडन स्टेट्स (hidden states) से रैखिक रूप से डिकोड (linearly decodable) किया जा सकता है, फिर भी इसे कार्य-महत्वपूर्ण गणनाओं के साथ प्रतिनिधित्व संबंधी उलझाव (representational entanglement) के कारण फिक्स्ड लीनियर स्टीयरिंग (fixed linear steering) के माध्यम से सुधारा नहीं जा सकता है, हालांकि यही प्रोब (probe) चयनात्मक परहेज (selective abstention) को सक्षम करने के लिए विफलताओं का पता लगाने में प्रभावी बना रहता है।

Ming Liu2026-05-08
🤖 machine learning

Enabling Federated Inference via Unsupervised Consensus Embedding

यह शोध पत्र कंसेंसस एम्बेडिंग-आधारित फेडरेटेड इन्फरेंस (CE-FI) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो अनसुपरवाइज्ड कंसेंसस और केवल साझा अनलेबल डेटा पर प्रशिक्षित सहकारी आउटपुट परतों का उपयोग करके, कच्चे डेटा, मॉडल मापदंडों या एक सामान्य एनकोडर को साझा किए बिना, इन्फरेंस के दौरान विषम प्री-ट्रेंड मॉडलों को सहयोग करने में सक्षम बनाता है।

Yui Hashimoto, Takayuki Nishio, Yuichi Kitagawa, Takahito Tanimura2026-05-08
⚡ electrical engineering

WARP: A Benchmark for Primal-Dual Warm-Starting of Interior-Point Solvers

यह शोध पत्र WARP प्रस्तुत करता है, जो एक बेंचमार्क और न्यूरल नेटवर्क फ्रेमवर्क है जो यह प्रदर्शित करता है कि AC ऑप्टिमल पावर फ्लो सॉल्वर में महत्वपूर्ण इटरेशन कटौती प्राप्त करने के लिए केवल प्राइमल वेरिएबल्स के बजाय पूर्ण प्राइमल-डुअल-बैरियर अवस्थाओं (primal-dual-barrier states) की भविष्यवाणी करना आवश्यक है, जो पिछले मूल्यांकन बेसलाइनों को सुधारता है जिन्होंने प्राइमल-ओनली वार्म-स्टार्टिंग की प्रभावकारिता को बढ़ाकर दिखाया था।

Dhruv Suri, Helgi Hilmarsson, Shourya Bose2026-05-08
🤖 machine learning

CRAFT: Forgetting-Aware Intervention-Based Adaptation for Continual Learning

CRAFT एक निरंतर सीखने वाला (continual learning) फ्रेमवर्क है जो बड़े भाषा मॉडलों (large language models) के लिए है, जो टास्क रूटिंग, KL-डाइवर्जेंस-आधारित फाइन-ट्यूनिंग और इंटरवेंशन मर्जिंग की एक एकीकृत तीन-चरणीय प्रक्रिया के माध्यम से हिडन रिप्रेजेंटेशन पर लो-रैंक इंटरवेंशन सीखकर कैटास्ट्रोफिक फॉरगेटिंग को कम करता है, जिससे यह कई बेंचमार्क पर मजबूत LoRA-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है।

Md Anwar Hossen, Fatema Siddika, Juan Pablo Munoz, Tanya Roosta, Ali Jannesari2026-05-08
🤖 machine learning

CoMemNet: Contrastive Sampling with Memory Replay Network for Continual Traffic Prediction

CoMemNet एक ड्यूल-ब्रांच कंटीन्यूअल लर्निंग फ्रेमवर्क है जो विकसित होते ट्रैफिक पैटर्न को प्रभावी ढंग से कैप्चर करने और कैटास्ट्रोफिक फॉरगेटिंग को कम करने के लिए मोमेंटम-अपडेटेड टारगेट ब्रांच को डायनेमिक कॉन्ट्रास्टिव सैंपलर और एक लाइटवेट टेम्पोरल मेमोरी बफर के साथ जोड़ता है, जिससे बड़े पैमाने के वास्तविक दुनिया के डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Mei Wu, Wenchao Weng, Wenxin Su, Wenjie Tang, Wei Zhou2026-05-08
🔬 materials science

Polarizable atomic multipoles for learning long-range electrostatics

यह शोध पत्र एक अर्ध-स्थानीय (semi-local) ढांचे को प्रस्तुत करता है जो ध्रुवीकरणीय परमाणु बहुध्रुवों (polarizable atomic multipoles) को गैर-स्व-सुसंगत रैखिक प्रतिक्रिया (non-self-consistent linear response) के साथ एकीकृत करता है ताकि मशीन लर्निंग अंतर-परमाणु विभव (interatomic potentials) विविध आयनिक और ध्रुवीय प्रणालियों में लंबी दूरी के इलेक्ट्रोस्टैटिक्स का सटीक रूप से मॉडल कर सकें और बोर्न प्रभावी आवेशों (Born effective charges) एवं इन्फ्रारेड स्पेक्ट्रा जैसे ध्रुवीकरण-संवेदनशील अवलोकनों की भविष्यवाणी कर सकें।

Dongjin Kim, Daniel S. King, Yoonjae Park, Roya Savoj, Sebastien Hamel, Xiaoyu Wang, Bingqing Cheng2026-05-08
🤖 machine learning

Full-Spectrum Graph Neural Network: Expressive and Scalable

यह शोध पत्र फुल-स्पेक्ट्रम GNN (FSpecGNN) का प्रस्ताव करता है, जो एक स्केलेबल सेकंड-ऑर्डर स्पेक्ट्रल ग्राफ न्यूरल नेटवर्क है जो सिग्नल्स को नोड-पेयर डोमेन में उठाता है और क्लासिकल GNNs की एक्सप्रेसिविटी सीमाओं को पार करने के लिए बाइवेरिएट स्पेक्ट्रल फ़िल्टरिंग का उपयोग करता है, जिससे नोड-पेयर सिग्नल्स का यूनिवर्सल एप्रोक्सिमेशन और हेटरोफिलिक ग्राफ्स पर मजबूत प्रदर्शन प्राप्त होता है।

Xiaohan Wang, Deyu Bo, Longlong Li, Kelin Xia2026-05-08
📊 statistics

Optimal Confidence Band for Kernel Gradient Flow Estimator

यह शोध पत्र सोर्स स्थितियों के तहत निरंतर और असतत कर्नेल ग्रेडिएंट प्रवाह (kernel gradient flows) के सुप्रीमकम-नॉर्म सामान्यीकरण त्रुटि (supremum-norm generalization error) के लिए मिनिमैक्स-इष्टतम अभिसरण दरों (minimax-optimal convergence rates) को स्थापित करता है और उन इष्टतम दरों के अत्यंत निकट चौड़ाई वाले समवर्ती विश्वास बैंड (simultaneous confidence bands) का निर्माण करता है।

Yuqian Cheng, Zhuo Chen, Qian Lin2026-05-08
🤖 machine learning

A Measure-Theoretic Finite-Sample Theory for Adaptive-Data Fitted Q-Iteration

यह शोध पत्र एक एकीकृत माप-सिद्धांतिक ढांचे (measure-theoretic framework) को स्थापित करके ह्यूरिस्टिक डीप रीइन्फोर्समेंट लर्निंग और सैद्धांतिक आधारों के बीच के अंतर को पाटता है, जो सामान्य मापने योग्य स्थानों (general measurable spaces) पर एडेप्टिव-डेटा फिटेड Q-इटरेशन के लिए परिमित-नमूना प्रदर्शन सीमाएं (finite-sample performance bounds) और संचयी ऑनलाइन रिग्रेट गारंटी प्रदान करता है।

Manuel Haussmann, Mustafa Mert Çelikok, Melih Kandemir2026-05-08