🤖 Category

cs.LG

25446 पेपर

🤖 machine learning

Quadrature-TreeSHAP: Depth-Independent TreeSHAP and Shapley Interactions

यह शोधपत्र Quadrature-TreeSHAP प्रस्तुत करता है, जो एक संख्यात्मक रूप से स्थिर, गहराई-स्वतंत्र विधि है जो कुशलतापूर्वक शापली मानों (Shapley values) और उच्च-क्रम की अंतःक्रियाओं (high-order interactions) की गणना करने के लिए पाथ-डिपेंडेंट ट्री-शापली (Path-Dependent TreeSHAP) को गॉस-लेजेंड्रे क्वाड्रैचर (Gauss-Legendre quadrature) का उपयोग करके पुनर्गठित करता है, जिससे CPU और GPU दोनों पर महत्वपूर्ण गति वृद्धि प्राप्त होती है।

Ron Wettenstein, Rory Mitchell, Peng Yu2026-05-07
💬 NLP

SpecPL: Disentangling Spectral Granularity for Prompt Learning

SpecPL एक नवीन प्रॉम्प्ट-लर्निंग फ्रेमवर्क पेश करता है जो विजन-लैंग्वेज मॉडल्स में मोडैलिटी विषमता (modality asymmetry) को पाटने के लिए काउंटरफैक्चुअल ग्रैनुलैरिटी सुपरविजन के माध्यम से स्पेक्ट्रल ग्रैनुलैरिटी को डिकपल करता है, जो विजुअल गाइडेंस के साथ टेक्स्ट-ओरिएंटेड बेसलाइन मॉडल्स को पुनर्जीवित करके 11 बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।

Jingtao Zhou, Xirui Kang, Feiyang Huang, Lai-Man Po2026-05-07
📊 statistics

FL-Sailer: Efficient and Privacy-Preserving Federated Learning for Scalable Single-Cell Epigenetic Data Analysis via Adaptive Sampling

FL-Sailer एक नवीन फेडेरेटेड लर्निंग फ्रेमवर्क है जो एडेप्टिव लीवरेज स्कोर सैंपलिंग और एक इनवेरिएंट VAE आर्किटेक्चर के माध्यम से सिंगल-सेल ATAC-seq डेटा की अल्ट्रा-हाई डाइमेंशनैलिटी, स्पर्सिटी और हेटेरोजेनिटी पर विजय प्राप्त करता है, जिससे संस्थानों के बीच गोपनीयता-संरक्षित, स्केलेबल और श्रेष्ठ सहयोगात्मक एपिजेनोमिक विश्लेषण सक्षम होता है।

Guangyi Zhang, Yi Dai, Yiyun He, Junhao Liu2026-05-07
💬 NLP

RaguTeam at SemEval-2026 Task 8: Meno and Friends in a Judge-Orchestrated LLM Ensemble for Faithful Multi-Turn Response Generation

RaguTeam के SemEval-2026 टास्क 8 के लिए विजेता सिस्टम ने, जो सबसे अच्छे रिस्पॉन्स को चुनने के लिए GPT-4o-mini जज द्वारा ऑर्केस्ट्रेटेड सात LLMs के एक हेट्रोजेनियस एनसेम्बल का उपयोग करता है, सबसे मजबूत बेसलाइन से काफी बेहतर प्रदर्शन करते हुए और लागत प्रभावी Meno-Lite-0.1 मॉडल को पेश करते हुए और टास्क की एनोटेशन सीमाओं की आलोचना करते हुए प्रथम स्थान प्राप्त किया।

Ivan Bondarenko, Roman Derunets, Oleg Sedukhin, Mikhail Komarov, Ivan Chernov, Mikhail Kulakov2026-05-07
🤖 machine learning

Power Distribution Bridges Sampling, Self-Reward RL, and Self-Distillation

यह शोध पत्र यह स्थापित करता है कि पावर डिस्ट्रीब्यूशन (power distribution), सैंपलिंग, सेल्फ-रिवॉर्ड आरएल (self-reward RL) और सेल्फ-डिस्टिलेशन (self-distillation) को जोड़ने वाले एक एकीकृत सैद्धांतिक ढांचे के रूप में कार्य करता है, जिससे पावर सेल्फ-डिस्टिलेशन का विकास होता है—जो एक लागत प्रभावी ऑफलाइन विधि है जो रीजनिंग कार्यों पर पावर सैंपलिंग के प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन करती है।

Akiyoshi Tomihari, Issei Sato2026-05-07
🤖 machine learning

Event-Based Early Warning of Vineyard Disease Risk from Environmental Time Series

यह शोध पत्र इस कार्य को दैनिक उपस्थिति के बजाय जोखिम अवधि में संक्रमण का पता लगाने के रूप में पुनर्गठित करके, 3-7 दिनों की अवधि के भीतर अंगूर के बागों में रोग के जोखिम की भविष्यवाणी करने के लिए एक इवेंट-आधारित दृष्टिकोण प्रस्तावित करता है, जो यह प्रदर्शित करता है कि यह सूत्रीकरण पारंपरिक दैनिक वर्गीकरण विधियों की तुलना में पर्यावरणीय पूर्ववर्तियों को बेहतर ढंग से पकड़ता है और कार्रवाई योग्य प्रारंभिक चेतावनियों का समर्थन करता है।

Ivica Dimitrovski, Ivan Kitanovski, Danco Davcev, Slobodan Kalajdziski, Kosta Mitreski2026-05-07
🤖 machine learning

Benchmarking LLMs on the Massive Sound Embedding Benchmark (MSEB)

यह लेख मैसिव साउंड एम्बेडिंग बेंचमार्क (MSEB) पर अग्रणी ऑडियो-नेटिव लार्ज लैंग्वेज मॉडल्स का एक कठोर मूल्यांकन प्रस्तुत करता है और यह प्रदर्शित करता है कि, हालांकि एक महत्वपूर्ण मोडैलिटी गैप बना हुआ है, नेटिव और कैस्केडेड सिस्टम के बीच इष्टतम आर्किटेक्चरल विकल्प विलंबता (लेटेंसी), लागत और तर्क की गहराई से संबंधित विशिष्ट ट्रेड-ऑफ पर निर्भर करते हैं।

Cyril Allauzen, Tom Bagby, Georg Heigold, Ehsan Variani, Ke Wu2026-05-07
🤖 AI

From Parameter Dynamics to Risk Scoring : Quantifying Sample-Level Safety Degradation in LLM Fine-tuning

यह शोध पत्र SQSD को प्रस्तुत करता है, जो यह विश्लेषण करके कि कैसे व्यक्तिगत सौहार्दपूर्ण नमूने (benign samples) पैरामीटर ड्रिफ्ट को खतरनाक-संरेखित दिशाओं की ओर संचयी रूप से संचालित करते हैं, विविध मॉडलों और आर्किटेक्चरों में नमूना-स्तरीय सुरक्षा जोखिमों को परिमाणित करने के लिए LLM फाइन-ट्यूनिंग में एक विधि प्रदान करता है, जिससे उच्च-जोखिम वाले प्रशिक्षण डेटा की पहचान संभव हो पाती है।

Xiao Wang, Yifei Zhang, YongKang Liu, Xiaocui Yang, Zihan Wang, Shi Feng, Daling Wang2026-05-07
🤖 machine learning

A Queueing-Theoretic Framework for Stability Analysis of LLM Inference with KV Cache Memory Constraints

यह योगदान एक नवीन कतार-सिद्धांत (queuing-theoretic) ढांचे को प्रस्तुत करता है जो LLM इन्फरेंस के लिए कठोर स्थिरता स्थितियों को प्राप्त करने हेतु कम्प्यूटेशनल और GPU मेमोरी बाधाओं दोनों को एकीकृत करता है, सटीक क्लस्टर-आकार निर्धारण सक्षम करता है, और 10% से कम के विचलन के साथ वास्तविक दुनिया के प्रयोगों के माध्यम से मान्य है।

Chengyi Nie, Nian Si, Zijie Zhou2026-05-07
🤖 machine learning

Library learning with e-graphs on jazz harmony

यह योगदान एक कम्प्यूटेशनल मॉडल प्रस्तुत करता है जो जैज़ हार्मोनिक प्रोग्रेशन के संक्षिप्त, जनरेटिव स्पष्टीकरणों को खोजने के लिए ई-ग्राफ (e-graphs) पर लाइब्रेरी लर्निंग का लाभ उठाता है, जिसका लक्ष्य हार्मनी लाइब्रेरीज़ और प्रोग्राम रिफैक्टरिंग के संयुक्त अनुकूलन के माध्यम से संरचित संगीत पैटर्न को आत्मसात करने की मानवीय प्रक्रिया को पकड़ना है।

Zeng Ren, Maddy Bowers, Xinyi Guan, Martin Rohrmeier2026-05-07