🤖 Category

cs.LG

26959 पेपर

📊 statistics

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation

यह शोध पत्र आनुपातिक शासन (proportional regime) के अंतर्गत मनमाने डेटा संवर्धन (arbitrary data augmentation) के तहत रैंडम फीचर रिग्रेशन के लिए सामान्यीकरण त्रुटि (generalization error) का एक सटीक स्पर्शोन्मुख लक्षण वर्णन (tight asymptotic characterization) प्रदान करता है, जो मॉडल मिसस्पेसिफिकेशन और फ्रोजन या रैंडम हिडन लेयर्स के बावजूद, टेस्ट एरर को केवल जनसंख्या मात्राओं और संवर्धन योजना के सांख्यिकी के रूप में व्यक्त करता है।

Lucas Morisset, Alain Durmus, Adrien Hardy2026-05-12
🤖 AI

Qwen Goes Brrr: Off-the-Shelf RAG for Ukrainian Multi-Domain Document Understanding

यह शोध पत्र यूक्रेनी मल्टी-डोमेन डॉक्यूमेंट अंडरस्टैंडिंग कार्य के लिए एक उच्च-प्रदर्शन वाली रिट्रीवल-ऑगमेंटेड पाइपलाइन प्रस्तुत करता है जो जटिल ह्यूरिस्टिक्स के बजाय डॉक्यूमेंट स्ट्रक्चर प्रिजर्वेशन और आंसर-स्पेस अवेयरनेस को प्राथमिकता देकर, कॉन्टेक्स्टुअल चंकिंग, क्वेश्चन-अवेयर डेंस रिट्रीवल और आंसर ऑप्शंस पर आधारित रीरैंकिंग का लाभ उठाकर लीडरबोर्ड के शीर्ष स्कोर प्राप्त करता है।

Anton Bazdyrev, Ivan Bashtovyi, Ivan Havlytskyi, Oleksandr Kharytonov, Artur Khodakovskyi2026-05-12
🤖 machine learning

Set Prediction for Next-Day Active Fire Forecasting

यह शोधपत्र WISP को प्रस्तुत करता है, जो एक क्वेरी-आधारित सेट प्रेडिक्शन मॉडल है जो अगले दिन के सक्रिय अग्नि पूर्वानुमान को पॉइंट-सेट प्रेडिक्शन कार्य के रूप में पुनर्गठित करता है ताकि वैश्विक स्तर पर उच्च-रिज़ॉल्यूशन, रैंक किए गए फायर क्लस्टर केंद्रों को उत्पन्न किया जा सके, जिससे पारंपरिक ग्रिड-आधारित दृष्टिकोणों की तुलना में बेहतर स्थानीयकरण और कवरेज प्रदर्शन प्राप्त होता है।

Yuchen Bai, Georgios Athanasiou, Xin Yu, Diogenis Antonopoulos, Ioannis Papoutsis, Stijn Hantson, Nuno Carvalhais2026-05-12
🤖 machine learning

Follow the Mean: Reference-Guided Flow Matching

यह शोध पत्र "फॉलो द मीन" (Follow the Mean) प्रस्तुत करता है, जो एक संदर्भ-निर्देशित फ्लो मैचिंग फ्रेमवर्क है जो उदाहरण-आधारित एंडपॉइंट मीन शिफ्ट्स के माध्यम से प्रीट्रेन्ड मॉडल्स को अनुकूलित करके नियंत्रणीय इमेज जनरेशन को सक्षम बनाता है, जो बिना फाइन-ट्यूनिंग या टेस्ट-टाइम सर्च के आउटपुट को निर्देशित करने के लिए प्रशिक्षण-मुक्त और अर्ध-पैरामीट्रिक विधियाँ प्रदान करता है।

Pedro M. P. Curvo, Maksim Zhdanov, Floor Eijkelboom, Jan-Willem van de Meent2026-05-12
🤖 machine learning

Active Tabular Augmentation via Policy-Guided Diffusion Inpainting

यह शोध पत्र TAP को प्रस्तुत करता है, जो एक नवीन ढांचा है जो डिफ्यूजन इनपेंटिंग (diffusion inpainting) को लर्नर-कंडीशन्ड पॉलिसी (learner-conditioned policy) के साथ जोड़ता है ताकि उच्च-उपयोगिता वाले सिंथेटिक सारणीबद्ध डेटा (synthetic tabular data) को सक्रिय रूप से चुनने और इंजेक्ट करने का कार्य किया जा सके, जिससे वितरण संबंधी निष्ठा (distributional fidelity) और डाउनस्ट्रीम मॉडल प्रदर्शन के बीच के अंतर को पाटकर गंभीर डेटा की कमी के तहत वर्गीकरण और प्रतिगमन परिणामों में महत्वपूर्ण सुधार किया जा सके।

Zheyu Zhang, Shuo Yang, Bardh Prenkaj, Gjergji Kasneci2026-05-12
🤖 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