🤖 Category

cs.LG

25394 पेपर

🤖 machine learning

Entropy-Regularized Adjoint Matching for Offline RL

यह शोध पत्र मैक्सिमम एंट्रॉपी एडजॉइंट मैचिंग (ME-AM) का प्रस्ताव करता है, जो एक एकीकृत ढांचा है जो लोकप्रियता पूर्वाग्रह (popularity bias) और सपोर्ट बाइंडिंग (support binding) से निपटने के लिए मिरर डिसेंट एंट्रॉपी मैक्सिमाइजेशन और एक मिश्रण व्यवहार पूर्ववर्ती (mixture behavior prior) को फ्लो-मैचिंग-आधारित ऑफलाइन आरएल (RL) में एकीकृत करता है, जिससे स्पार्स-रिवॉर्ड डेटासेट्स से इष्टतम नीतियों के सुदृढ़ निष्कर्षण को सक्षम बनाया जा सके।

Abdelghani Ghanem, Mounir Ghogho2026-05-08
🤖 machine learning

One Algorithm, Two Goals: Dual Scoring for Parameter and Data Selection in LLM Fine-Tuning

यह शोधपत्र DualSFT को प्रस्तुत करता है, जो एक वन-शॉट एल्गोरिदम है जो एक बाइलेवल ऑप्टिमाइज़ेशन फ्रेमवर्क से एक साझा ग्रेडिएंट-आधारित स्कोरिंग नियम व्युत्पन्न करके LLM फाइन-ट्यूनिंग के लिए पैरामीटर और डेटा चयन को एकीकृत करता है, जिससे पारंपरिक अलग-अलग रणनीतियों की तुलना में अधिक कुशल और समन्वित सह-चयन सक्षम होता है।

Xinrui Chen, Liu Yang, Ou Wu2026-05-08
🤖 machine learning

Mean Mode Screaming: Mean--Variance Split Residuals for 1000-Layer Diffusion Transformers

यह शोध पत्र "मीन मोड स्क्रीमिंंग" (Mean Mode Screaming) को गहरे डिफ्यूजन ट्रांसफॉर्मर्स में पतन का कारण बनने वाली एक संरचनात्मक भेद्यता के रूप में पहचानता है और 1,000 परतों तक सफलतापूर्वक प्रशिक्षण को स्थिर करने के लिए "मीन-वेरिएंस स्प्लिट रेसिडुअल्स" (Mean-Variance Split Residuals) का प्रस्ताव करता है।

Pengqi Lu2026-05-08
🤖 machine learning

Teaching LLMs Program Semantics via Symbolic Execution Traces

यह शोध पत्र 500 C सत्यापन कार्यों के लिए एक नए मूल्यांकन ढांचे को प्रस्तुत करता है और यह प्रदर्शित करता है कि लगभग 3,000 सिम्बोलिक एक्जीक्यूशन ट्रेसेस (symbolic execution traces) के साथ चेन-ऑफ-थॉट रीजनिंग (chain-of-thought reasoning) पर एक Qwen3-8B मॉडल को प्रशिक्षित करने से विविध प्रकार के गुणों (property types) में उल्लंघन का पता लगाने और समग्र सटीकता में महत्वपूर्ण सुधार होता है, जो बड़े मॉडलों से बेहतर प्रदर्शन करता है और दोनों तकनीकों के बीच एक सुपर-एडिटिव सिनर्जी (superadditive synergy) को प्रकट करता है।

Jonas Bayer, Stefan Zetzsche, Olivier Bouissou, Remi Delmas, Michael Tautschnig, Soonho Kong2026-05-08
🤖 machine learning

Bridging visual saliency and large language models for explainable deep learning in medical imaging

यह शोध पत्र एक मल्टीमॉडल व्याख्यात्मकता ढांचे (multimodal explainability framework) का प्रस्ताव करता है जो ब्रेन ट्यूमर एमआरआई विश्लेषण के लिए मानव-व्याख्या योग्य, रेडियोलॉजिकल-शैली की नैदानिक रिपोर्ट उत्पन्न करने हेतु विजुअल सैलिएंसी मैपिंग और लार्ज लैंग्वेज मॉडल्स के साथ सीएनएन-आधारित ट्यूमर वर्गीकरण और विभाजन को एकीकृत करता है, जिससे मेडिकल इमेजिंग में एआई की पारदर्शिता और नैदानिक ​​अपनाने की क्षमता में वृद्धि होती है।

Paul Valery Nguezet, Elie Tagne Fute, Yusuf Brima, Benoit Martin Azanguezet, Marcellin Atemkeng2026-05-08
📊 statistics

When Does Trimming Help Conformal Prediction? A Retained-Law Diagnostic under Calibration Contamination

यह शोध पत्र यह स्थापित करता है कि कॉन्फॉर्मल प्रेडिक्शन (conformal prediction) में ट्रिमिंग एक "रिटेंड लॉ" (retained law) द्वारा नियंत्रित एक कंडीशनिंग मैकेनिज्म के रूप में कार्य करती है, जो एक नैदानिक ढांचा प्रदान करती है जो यह प्रकट करता है कि ट्रिमिंग केवल तभी कवरेज में सुधार करती है जब विसंगति स्कोर (anomaly scores) स्वच्छ जनसंख्या के स्कोर वितरण को विकृत किए बिना दूषित बिंदुओं को प्रभावी ढंग से अलग कर देते हैं।

Congye Wang2026-05-08
🤖 machine learning

Taming the Entropy Cliff: Variable Codebook Size Quantization for Autoregressive Visual Generation

यह शोध पत्र ऑटोरेग्रेसिव विज़ुअल जनरेशन में "एन्ट्रॉपी क्लिफ" (Entropy Cliff) घटना की पहचान करता है, जहाँ निश्चित आकार के कोडबुक तेजी से रटने (memorization) की ओर ले जाते हैं, और वेरिएबल कोडबुक साइज क्वांटाइजेशन (VCQ) का प्रस्ताव करता है जो अनुक्रम के साथ कोडबुक क्षमता को गतिशील रूप से बढ़ाता है, जिससे मानक प्रशिक्षण ढांचे को बदले बिना अत्याधुनिक इमेज जनरेशन गुणवत्ता और उभरती हुई सिमेंटिक पदानुक्रम (semantic hierarchy) प्राप्त होती है।

Bowen Zheng, Weijian Luo, Guang Yang, Colin Zhang, Tianyang Hu2026-05-08
📊 statistics

Super-Level-Set Regression: Conditional Quantiles via Volume Minimization

यह शोध पत्र सुपर-लेवल-सेट रिग्रेशन (SLS) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो वॉल्यूम मिनिमाइजेशन और कंडीशनल एरर क्वांटाइल्स के बीच निहित युग्मन (इम्प्लिसिट कपलिंग) को हल करके न्यूनतम-वॉल्यूम कंडीशनल प्रेडिक्शन क्षेत्रों की ज्यामितिक सीमाओं को सीधे अनुकूलित करता है, जिससे जटिल, मल्टीमॉडल संरचनाओं को पकड़ने के लिए स्पष्ट घनत्व अनुमान (एक्सप्लिसिट डेंसिटी एस्टीमेशन) की आवश्यकता समाप्त हो जाती है।

Sacha Braun, Michael I. Jordan, Francis Bach2026-05-08
💬 NLP

Contrastive Identification and Generation in the Limit

यह शोध पत्र एक सामान्य क्रॉसिंग ग्राफ के माध्यम से सीखने योग्य वर्गों (learnable classes) को अभिलक्षित करके, नई ज्यामितीय स्थितियों और आयामों को स्थापित करके, और यह प्रदर्शित करके कि कंट्रास्टिव डेटा पारंपरिक केवल-सकारात्मक उदाहरणों की तुलना में प्रतिकूल भ्रष्टाचार (adversarial corruption) के प्रति अधिक सुदृढ़ हो सकता है, सीमा में कंट्रास्टिव पहचान और पीढ़ी के अध्ययन की शुरुआत करता है।

Xiaoyu Li, Andi Han, Jiaojiao Jiang, Junbin Gao2026-05-08
💬 NLP

TIDE: Every Layer Knows the Token Beneath the Context

यह शोध पत्र TIDE का प्रस्ताव करता है, जो एक नवीन ट्रांसफार्मर आर्किटेक्चर है जो मानक सिंगल-इंजेक्शन टोकन एम्बेडिंग को एक "एम्बेडिंगमेमोरी" (EmbeddingMemory) प्रणाली से बदल देता है जो प्रत्येक परत में संदर्भ-मुक्त अर्थ संबंधी वेक्टर्स को इंजेक्ट करता है, जिससे दुर्लभ टोकन के कम प्रशिक्षण और समान टोकन के संदर्भात्मक पतन (contextual collapse) की समस्या को हल करते हुए भाषा मॉडलिंग प्रदर्शन में सुधार किया जा सके।

Ajay Jaiswal, Lauren Hannah, Han-Byul Kim, Duc Hoang, Mehrdad Farajtabar, Minsik Cho2026-05-08