🤖 Category

cs.LG

26236 पेपर

🤖 machine learning

Why Zeroth-Order Adaptation May Forget Less: A Randomized Shaping Theory

यह शोध पत्र एक रैंडमाइज्ड शेपिंग थ्योरी प्रस्तुत करता है जो यह प्रदर्शित करता है कि ज़ीरोथ-ऑर्डर एडेप्टेशन, अनिसोट्रोपिक घटकों को संकुचित करते हुए आइसोट्रोपिक रिटेंशन कर्वेचर को संरक्षित करके, फर्स्ट-ऑर्डर विधियों की तुलना में फॉरगेटिंग (विस्मृति) को कम कर सकता है, जिससे RISE एल्गोरिदम का जन्म होता है जो बेहतर स्टेबिलिटी-प्लास्टिसिटी ट्रेड-ऑफ के लिए सटीक ग्रेडिएंट्स पर इस कैलिब्रेटेड शेपिंग मैकेनिज्म को लागू करता है।

Yao Shu, Jian Mu, Zhongxiang Dai2026-05-12
📊 statistics

Natural Policy Gradient as Doubly Smoothed Policy Iteration: A Bellman-Operator Framework

यह शोध पत्र डबली स्मूथड पॉलिसी इटरेशन (DSPI) फ्रेमवर्क प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि नेचुरल पॉलिसी ग्रेडिएंट, पॉलिसी इटरेशन का एक सटीक स्मूथड और औसत रूप है, जिससे बिना किसी MDP संशोधनों या एडेप्टिव स्टेपसाइज़ की आवश्यकता के, अनरेगुलराइज्ड मामलों के लिए इसके डिस्ट्रीब्यूशन-फ्री ग्लोबल ज्योमेट्रिक कन्वर्जेंस और फाइनाइट टर्मिनेशन को सिद्ध किया जा सके।

Phalguni Nanda, Zaiwei Chen2026-05-12
🤖 machine learning

Compander-Aligned Query Geometry for Quantized Zeroth-Order Optimization

यह शोध पत्र CAQ-ZO को प्रस्तुत करता है, जो एक ज़ीरो-ऑर्डर ऑप्टिमाइज़ेशन विधि है जो एंडपॉइंट-राउंडिंग अवशेषों (endpoint-rounding residuals) को समाप्त करने और लो-बिट मॉडल्स पर फाइन-ट्यूनिंग प्रदर्शन को बेहतर बनाने के लिए ट्रांसफ़ॉर्मड लेटेंट स्पेस में परटर्बेशन्स (perturbations) करके क्वेरी ज्योमेट्री को नॉन-यूनिफॉर्म कम्पैंडिंग क्वांटाइज़र्स के साथ संरेखित करती है।

Yao Shu, Zilin Zhu2026-05-12
🤖 machine learning

Exact Unlearning from Proxies Induces Closeness Guarantees on Approximate Unlearning

यह शोध पत्र एक नवीन मशीन अनलर्निंग फ्रेमवर्क प्रस्तावित करता है जो पैरामीटर अपडेट से ध्यान हटाकर सटीक डेटा वितरण अनुमान (डेटा डिस्ट्रीब्यूशन इन्फरेंस) पर केंद्रित करता है, जो सैद्धांतिक रूप से गारंटी देता है और अनुभवजन्य रूप से प्रदर्शित करता है कि परिणामी मॉडल आदर्श पुन: प्रशिक्षित मॉडल के अत्यंत निकट है।

Virgile Dine, Teddy Furon2026-05-12
🤖 machine learning

Is Data Shapley Not Better than Random in Data Selection? Ask NASH

यह शोध पत्र NASH को प्रस्तुत करता है, जो एक नवीन डेटा चयन ढांचा (framework) है जो लक्ष्य उपयोगिता फलनों (target utility functions) को शापले-सूचनात्मक घटकों (Shapley-informative components) में विभाजित करता है और उच्च-गुणवत्ता वाले प्रशिक्षण उपसमुच्चयों को निरंतर और कुशलतापूर्वक चुनने के लिए उन्हें गैर-रैखिक रूप से एकत्रित करता है, जिससे मानक डेटा शापले विधियों की उन सीमाओं को दूर किया जा सके जो अक्सर यादृच्छिक चयन (random selection) से बेहतर प्रदर्शन नहीं करती हैं।

Xiao Tian, Jue Fan, Rachael Hwee Ling Sim, Zixuan Wang, Nancy F. Chen, Bryan Kian Hsiang Low2026-05-12
🤖 machine learning

The finite expression method for turbulent dynamics with high-order moment recovery

यह शोधपत्र एक दो-चरणीय डेटा-संचालित ढांचे का प्रस्ताव करता है जो नियतात्मक गतिकी (deterministic dynamics) की खोज के लिए 'फाइनाइट एक्सप्रेशन मेथड' को अवशिष्ट स्टोकेस्टिसिटी (residual stochasticity) को कैप्चर करने वाले जनरेटिव मॉडल्स के साथ जोड़ता है, जिससे टर्बुलेंट सिस्टम में गवर्निंग इक्वेशंस और उच्च-क्रम सांख्यिकीय मोमेंट्स की सटीक रिकवरी सक्षम होती है।

Xingjian Xu, Di Qi, Chunmei Wang2026-05-12
🤖 machine learning

RelFlexformer: Efficient Attention 3D-Transformers for Integrable Relative Positional Encodings

यह शोध पत्र RelFlexformer को प्रस्तुत करता है, जो कुशल 3D-Transformer मॉडलों का एक वर्ग है जो O(Llog⁡L)O(L \log L) जटिलता के साथ मनमाने इंटीग्रेबल रिलेटिव पोजीशनल एनकोडिंग्स को एकीकृत करने के लिए नॉन-यूनिफॉर्म फूरियर ट्रांसफॉर्म (NU-FFT) का उपयोग करता है, जिससे स्ट्रक्चर्ड ग्रिड और पॉइंट क्लाउड जैसे अनस्ट्रक्चर्ड हेट्रोजेनियस 3D डेटा दोनों के लिए प्रभावी अटेंशन मैकेनिज्म सक्षम होता है।

Byeongchan Kim, Arijit Sehanobish, Avinava Dubey, Min-hwan Oh, Krzysztof Choromanski2026-05-12
📊 statistics

Price of Quality: Sufficient Conditions for Sparse Recovery using Mixed-Quality Data

यह शोध पत्र यह स्थापित करता है कि जहाँ मिश्रित-गुणवत्ता वाले डेटा के साथ स्पार्स रिकवरी (sparse recovery) के लिए सूचना-सैद्धांतिक नमूना जटिलता (information-theoretic sample complexity), उच्च और निम्न-विचरण मापों के बीच एक परिवर्तनशील "क्वालिटी की कीमत" (Price of Quality) ट्रेड-ऑफ पर निर्भर करती है, वहीं एग्नोस्टिक सेटिंग में LASSO का उपयोग करने वाली एल्गोरिद्मिक रिकवरी थ्रेशोल्ड मजबूत बनी रहती है और केवल औसत शोर स्तर (average noise level) पर निर्भर करती है।

Youssef Chaabouni, David Gamarnik2026-05-12
🤖 machine learning

Heteroscedastic Diffusion for Multi-Agent Trajectory Modeling

यह शोध पत्र U2Diffine को प्रस्तुत करता है, जो एक एकीकृत डिफ्यूजन मॉडल है जो चार स्पोर्ट्स डेटासेट्स पर अत्याधुनिक विधियों से बेहतर प्रदर्शन करते हुए, स्टेट-वाइज हेटेरोसेडास्टिक अनसर्टेंटी एस्टीमेट्स और जेनरेटेड मोड्स के लिए एरर प्रोबेबिलिटी रैंकिंग प्रदान करते हुए, मल्टी-एजेंट ट्रेजेक्टरी कंप्लीशन और फोरकास्टिंग को एक साथ निष्पादित करता है।

Guillem Capellera, Antonio Rubio, Luis Ferraz, Antonio Agudo2026-05-12
⚡ electrical engineering

An Uncertainty-Aware Resilience Micro-Agent for Causal Observability in the Computing Continuum

यह शोध पत्र AURORA को प्रस्तुत करता है, जो समानांतर माइक्रो-एजेंटों का एक हल्का ढांचा (लाइटवेट फ्रेमवर्क) है, जो कंप्यूटिंग निरंतरता (कंप्यूटिंग कॉन्टीन्यूम) में ग्रे विफलताओं (ग्रे फेलियर्स) का विश्वसनीय रूप से निदान और शमन करने के लिए मुक्त-ऊर्जा सिद्धांत, कारण संबंधी do-कैलकुलस (कॉज़ल do-कैलकुलस), और एक दोहरे-गेटेड निष्पादन तंत्र का लाभ उठाता है, साथ ही सख्त अनिश्चितता-जागरूकता के माध्यम से विनाशकारी हस्तक्षेपों को समाप्त करता है।

Suvi De Silva, Alfreds Lapkovskis, Alaa Saleh, Sasu Tarkoma, Praveen Kumar Donta2026-05-12