🤖 Category

cs.LG

26757 पेपर

🤖 machine learning

Relations Are Channels: Knowledge Graph Embedding via Kraus Decompositions

यह शोधपत्र \textsc{KrausKGE} प्रस्तुत करता है, जो क्रौस अपघटन (Kraus decomposition) और तीन संरचनात्मक अभिगृहीतों (रैखिकता, ट्रेस संरक्षण और पूर्ण धनात्मकता) पर आधारित एक सिद्धांतपूर्ण नॉलेज ग्राफ एम्बेडिंग मॉडल है, जो स्वाभाविक रूप से जटिल NN-से-NN संबंधों को संभालता है, स्पष्ट पाथ एनकोडर्स के बिना kk-हॉप रीजनिंग का समर्थन करता है, और नॉर्म बाधाओं की आवश्यकता को समाप्त करते हुए मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है।

Sayan Kumar Chaki2026-05-12
🔢 mathematics

PowerStep: Memory-Efficient Adaptive Optimization via ℓp\ell_p-Norm Steepest Descent

PowerStep एक मेमोरी-कुशल एडेप्टिव ऑप्टिमाइज़र है जो सेकंड-मोमेंट सांख्यिकी (second-moment statistics) को संग्रहीत किए बिना ℓp\ell_p-नॉर्म स्टीपेस्ट डिसेंट (steepest descent) के माध्यम से कोऑर्डिनेट-वाइज एडेप्टिविटी प्राप्त करता है, जो एडम (Adam) की अभिसरण गति (convergence speed) से मेल खाता है और बड़े पैमाने पर ट्रांसफॉर्मर प्रशिक्षण के लिए मेमोरी ओवरहेड को महत्वपूर्ण रूप से कम करता है।

Yao Lu, Dengdong Fan, Shixun Zhang, Yonghong Tian2026-05-12
🤖 machine learning

DeepLévy: Learning Heavy-Tailed Uncertainty in Highly Volatile Time Series

यह शोधपत्र DeepL'evy को पेश करता है, जो एक न्यूरल फ्रेमवर्क है जो विशेषता फलन (characteristic function) के विसंगतियों को न्यूनतम करके L'evy स्थिर वितरणों की जटिलता को दूर करता है ताकि भारी-पूंछ वाली अनिश्चितता (heavy-tailed uncertainty) को प्रभावी ढंग से मॉडल किया जा सके और अत्यधिक अस्थिर समय श्रृंखला पूर्वानुमान में मौजूदा विधियों से बेहतर प्रदर्शन किया जा सके।

Yang Yang, Du Yin, Hao Xue, Flora Salim2026-05-12
🤖 machine learning

PC3D: Zero-Shot Cooperation Across Variable Rosters via Personalized Context Distillation

यह शोध पत्र PC3D का प्रस्ताव करता है, जो एक ऐसी विधि है जो विकेंद्रीकृत मल्टी-एजेंट सुदृढीकरण लर्निंग एजेंटों को विविध टीम रोस्टर के बीच ज़ीरो-शॉट सहयोग प्राप्त करने में सक्षम बनाती है, जो एक केंद्रीकृत शिक्षक से व्यक्तिगत समन्वय संदर्भों को स्थानीय नीतियों में आसतित (distill) करती है ताकि वे इंटरेक्शन इतिहास से प्रासंगिक टीम जानकारी को अनुकूल रूप से पुनः प्राप्त कर सकें।

Ahmet Onur Akman, Rafał Kucharski2026-05-12
🤖 machine learning

The Polynomial Counting Capabilities of Message Passing Neural Networks

यह शोध पत्र मैसेज पासिंग न्यूरल नेटवर्क्स (MPNNs) की बहुपद गणना क्षमताओं (polynomial counting capabilities) की जांच करता है, जो यह प्रदर्शित करता है कि वे मीन एग्रीगेशन (mean aggregation) का उपयोग करके, विशेष रूप से रेगुलर ग्राफ, नॉन-नेस्टेड मोडैलिटीज या ट्री-लाइक संरचनाओं जैसी स्थितियों के तहत, नोड-लेबल वाले ग्राफ में वैश्विक और विशिष्ट स्थानीय बहुपद बाधाओं (global and specific local polynomial constraints) को सत्यापित कर सकते हैं।

Marco Sälzer, Pascal Bergsträßer, Anthony W. Lin2026-05-12
📊 statistics

Sharp feature-learning transitions and Bayes-optimal neural scaling laws in extensive-width networks

यह शोध पत्र यह स्थापित करता है कि उच्च-आयामी, विस्तृत-चौड़ाई वाले न्यूरल नेटवर्क में पदानुक्रमित विशेषताओं (hierarchical features) को सीखते समय, विशेषता अधिग्रहण (feature acquisition) तीक्ष्ण क्रमिक चरण संक्रमणों (sharp sequential phase transitions) के माध्यम से होता है जो एक "प्रभावी चौड़ाई" (effective width) को परिभाषित करते हैं और विशिष्ट सामान्यीकरण त्रुटि स्केलिंग नियमों (generalization error scaling laws) को एक एकल इष्टतम संबंध में एकीकृत करते हैं, जिसे एडम-प्रशिक्षित छात्रों (Adam-trained students) द्वारा अनुभवजन्य रूप से प्राप्त किया जा सकता है।

Minh-Toan Nguyen, Jean Barbier2026-05-12
🤖 machine learning

Causal Explanations from the Geometric Properties of ReLU Neural Networks

यह शोध पत्र ReLU न्यूरल नेटवर्क के लिए सटीक कारण संबंधी स्पष्टीकरण (causal explanations) उत्पन्न करने की एक विधि प्रस्तावित करता है, जो उनके ज्यामितीय ढांचे से, जिन्हें उत्तल बहुभुजों (convex polytopes) द्वारा परिभाषित खंडित रैखिक फलनों (piecewise linear functions) के रूप में माना जाता है, सीधे निर्णय नियमों को निकालकर किया जाता है, जिससे व्याख्यात्मकता के लिए मॉडलों के डिस्टिलेशन (distilling) से जुड़ी प्रदर्शन गिरावट और निष्ठा संबंधी समस्याओं से बचा जा सके।

Hector Woods, Philippa Ryan, Rob Alexander2026-05-12
🤖 machine learning

Valid Best-Model Identification for LLM Evaluation via Low-Rank Factorization

यह शोध पत्र एक सिद्धांत-आधारित ढांचे का प्रस्ताव करता है जो फिक्स्ड बेंचमार्क पर सर्वश्रेष्ठ लार्ज लैंग्वेज मॉडल की सांख्यिकीय रूप से वैध और लागत-कुशल पहचान करने में सक्षम बनाने के लिए लो-रैंक फैक्टराइजेशन प्रेडिक्शन्स के साथ मल्टी-आर्म्ड बैंडिट एल्गोरिदम को जोड़कर डबली रोबस्ट एस्टिमेटर्स का निर्माण करता है।

Elad Tolochinsky, Yaniv Tenzer, Yaniv Romano2026-05-12
📊 statistics

Real vs. Semi-Simulated: Rethinking Evaluation for Treatment Effect Estimation

यह शोध पत्र उपचार प्रभाव अनुमान (treatment effect estimation) में पद्धतिगत अनुसंधान और व्यावहारिक अनुप्रयोग के बीच एक महत्वपूर्ण विच्छेद को प्रकट करता है, जो यह दर्शाता है कि काउंटरफैक्चुअल मेट्रिक्स और अर्ध-सिम्युलेटेड बेंचमार्क वास्तविक दुनिया के डेटा पर मॉडल के प्रदर्शन की विश्वसनीय रूप से भविष्यवाणी करने में विफल रहते हैं, जिससे अवलोकन योग्य मेट्रिक्स और वास्तविक-डेटा सत्यापन की ओर बदलाव का समर्थन मिलता है।

George Panagopoulos2026-05-12
🤖 machine learning

Beyond Spatial Compression: Interface-Centric Generative States for Open-World 3D Structure

यह शोध पत्र C2LT-3D टोकेनाइज़र के माध्यम से "इंटरफ़ेस-केंद्रित जनरेटिव अवस्थाओं" (interface-centric generative states) का प्रस्ताव देता है, जो 3D प्रतिनिधित्व को निष्क्रिय स्थानिक संपीड़न (passive spatial compression) से एक ऐसी परिचालन अवस्था में स्थानांतरित करता है जो ओपन-वर्ल्ड 3D एसेट्स में सुदृढ़ संरचनात्मक तर्क और मरम्मत को सक्षम करने के लिए ज्यामिति, घटक स्वामित्व और जुड़ाव वैधता को स्पष्ट रूप से प्रदर्शित करती है।

Xiang Chen, Alexander Binder2026-05-12