🤖 Category

cs.LG

27306 पेपर

🤖 machine learning

Drifting Field Policy: A One-Step Generative Policy via Wasserstein Gradient Flow

यह शोध पत्र ड्रिफ्टिंग फील्ड पॉलिसी (DFP) का प्रस्ताव करता है, जो एक नॉन-ODE वन-स्टेप जनरेटिव पॉलिसी है जो रोबोटिक मैनिपुलेशन कार्यों पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए एक्शन-वैल्यू एसेंट (action-value ascent) को स्कोर-मैचिंग ट्रस्ट रीजन्स (score-matching trust regions) के साथ संयोजित करते हुए अपडेट्स को रिवर्स-KL वासेरस्टीन-2 ग्रेडिएंट फ्लो (reverse-KL Wasserstein-2 gradient flows) के रूप में फ्रेम करता है।

Juil Koo, Mingue Park, Jiwon Choi, Yunhong Min, Minhyuk Sung2026-05-11
🤖 machine learning

Intelligent Truck Matching in Full Truckload Shipments using Ping2Hex approach

यह शोध पत्र ITM 2.0 को प्रस्तुत करता है, जो एक मशीन लर्निंग सिस्टम है जो गायब पहचानकर्ताओं (missing identifiers) के बावजूद फुल ट्रकलोड शिपमेंट को ट्रकों से मिलाने की महत्वपूर्ण चुनौती को हल करने के लिए Uber H3 स्थानिक इंडेक्सिंग (spatial indexing) और LightGBM का लाभ उठाता है, जिससे उत्पादन वातावरण में महत्वपूर्ण सटीकता लाभ और दोगुना कवरेज प्राप्त हुआ है।

Srinivas Kumar R, Jose Mathew, Ankit Singh Chauhan, Dinesh Rajkumar, Aravind Manoj, Mohit Goel2026-05-11
🔬 physics

Physics-Informed Reduced-Order Operator Learning for Hyperelasticity in Continuum Micromechanics

यह शोध पत्र एक भौतिकी-सूचित (physics-informed) रिड्यूस्ड-ऑर्डर ऑपरेटर लर्निंग फ्रेमवर्क प्रस्तुत करता है जो इक्विलिब्रियम न्यूरल ऑपरेटर्स को QR-आधारित डिस्क्रीट एम्पिरिकल इंटरपोलेशन के साथ जोड़ता है, ताकि 3D हाइपरइलास्टिक माइक्रोस्ट्रक्चर सरोगेट मॉडल्स के प्रशिक्षण और अनुमान (inference) की कम्प्यूटेशनल लागत को नाटकीय रूप से कम किया जा सके और साथ ही यांत्रिक साम्यावस्था (mechanical equilibrium) सुनिश्चित करते हुए सटीक स्ट्रेस भविष्यवाणियां सक्षम की जा सकें।

Hamidreza Eivazi, Henning Wessels2026-05-11
🧬 biology

Flow Matching for Count Data

यह शोध पत्र count-FM को प्रस्तुत करता है, जो निरंतर-समय जन्म-मृत्यु प्रक्रियाओं (continuous-time birth-death processes) पर आधारित एक सिमुलेशन-मुक्त फ्लो-मैचिंग फ्रेमवर्क है, जो एकल-कोशिका आरएनए अनुक्रमण (single-cell RNA sequencing) और न्यूरल स्पाइक ट्रेनों (neural spike trains) जैसे उच्च-आयामी गणना डेटा (count data) को कुशलतापूर्वक उत्पन्न और परिवहन करता है, और नमूना गुणवत्ता एवं मॉडलिंग दक्षता में मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है।

Ganchao Wei, John Pearson2026-05-11
🤖 machine learning

Robust and Reliable AI for Predictive Quality in Semiconductor Materials Manufacturing with MLOps and Uncertainty Quantification

यह अध्ययन प्रदर्शित करता है कि हाइपरपैरामीटर रिट्यूनिंग के बिना प्रत्येक पांच प्रोडक्शन बैचों के बाद एक निश्चित रिट्रेनिंग कैडेंस, अनिश्चितता परिमाणीकरण (अनसर्टेन्टी क्वांटिफिकेशन) के लिए कॉन्फॉर्मल प्रेडिक्शन के साथ मिलकर, प्रक्रिया विचलन (प्रोसेस ड्रिफ्ट्स) और उपकरण क्षरण के बावजूद सेमीकंडक्टर निर्माण में भविष्य कहनेवाला गुणवत्ता बनाए रखने के लिए एक गणनात्मक रूप से कुशल और सुदृढ़ MLOps ढांचा प्रदान करता है।

Min Gao, Julia Maria Perathoner, Anton Ludwig Bonin, Steven Eulig, Gianni Klesse2026-05-11
💬 NLP

Rethinking State Tracking in Recurrent Models Through Error Control Dynamics

यह शोध पत्र यह तर्क देता है कि आवर्ती मॉडलों (recurrent models) में सुदृढ़ अवस्था ट्रैकिंग (robust state tracking) केवल सैद्धांतिक अभिव्यक्ति (theoretical expressivity) पर नहीं, बल्कि त्रुटि नियंत्रण गतिकी (error control dynamics) पर महत्वपूर्ण रूप से निर्भर करती है, जो यह प्रदर्शित करता है कि अफ़ाइन आवर्ती नेटवर्क (affine recurrent networks) दीर्घ-क्षितिज वाले कार्यों (long-horizon tasks) में अपरिहार्य रूप से विफल हो जाते हैं क्योंकि अवस्था-पृथक्करण त्रुटियों (state-separating errors) को सुधारने में उनकी अक्षमता, एक बार जब संचित इन-क्लास प्रसार (within-class spread) डिकोडर की पठनीयता सीमा (readability threshold) से अधिक हो जाता है, तो अनुमानित ट्रैकिंग पतन (tracking collapse) की ओर ले जाती है।

Jiwan Chung, Heechan Choi, Seon Joo Kim2026-05-11
🤖 machine learning

When Losses Align: Gradient-Based Composite Loss Weighting for Efficient Pretraining

यह शोध पत्र एक ग्रेडिएंट-आधारित बाइलेवल (bilevel) विधि प्रस्तावित करता है जो कंपोजिट ग्रेडिएंट्स को डाउनस्ट्रीम उद्देश्यों के साथ संरेखित करके प्रीट्रेनिंग लॉस वेट्स (pretraining loss weights) को कुशलतापूर्वक ऑनलाइन सीखता है, जो रैंडम या बायेसियन सर्च की तुलना में हाइपरपैरामीटर ट्यूनिंग की कम्प्यूटेशनल लागत को काफी कम करता है और प्रदर्शन में सुधार करता है या उसके बराबर रहता है।

Ivan Karpukhin, Andrey Savchenko2026-05-11
🤖 machine learning

SMT-Based Active Learning of Weighted Automata

यह शोधपत्र नॉनडिटरमिनिस्टिक वेटेड ऑटोमेटा के लिए एक पैरामीट्रिक, SMT-आधारित एक्टिव लर्निंग एल्गोरिदम प्रस्तुत करता है जो न्यूनतम परिणाम सुनिश्चित करता है, परिमित सेमिंग (finite semirings) के लिए समाप्ति की गारंटी देता है, और व्यापक प्रयोगों में मौजूदा विधियों की तुलना में बेहतर दक्षता और संक्षिप्तता प्रदर्शित करता है।

Tiago Ferreira, Kevin Batz, Alexandra Silva2026-05-11
🤖 machine learning

Pre-trained Tabular Foundation Models as Versatile Summary Networks for Neural Posterior Estimation

यह शोध पत्र PFN-NPE को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा है जो सिमुलेशन-आधारित बेयसियन अनुमान (Bayesian inference) के लिए प्री-ट्रेंड TabPFN मॉडल का एक बहुमुखी, मॉड्यूलर सारांश नेटवर्क के रूप में लाभ उठाता है, जो विविध सेटिंग्स में पोस्टीरियर वितरणों (posterior distributions) का प्रभावी ढंग से सन्निकटन करने की अपनी क्षमता का प्रदर्शन करता है और साथ ही मार्जिनल रिकवरी (marginal recovery) में अपनी खूबियों और संयुक्त पोस्टीरियर संरचनाओं (joint posterior structures) को पकड़ने में अपनी सीमाओं को भी रेखांकित करता है।

Elliot Pickens, Chiraag Gohel, Sidharth Satya2026-05-11
📊 statistics

POETS: Uncertainty-Aware LLM Optimization via Compute-Efficient Policy Ensembles

यह शोध पत्र POETS को पेश करता है, जो एक कंप्यूट-कुशल ढांचा है जो वैज्ञानिक खोज और सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) कार्यों में अनिश्चितता-जागरूक थॉमसन सैंपलिंग करने के लिए साझा बैकबोन और स्वतंत्र LoRA शाखाओं के साथ पॉलिसी एंसेम्बल्स का लाभ उठाता है, जिससे अभूतपूर्व सैंपल दक्षता प्राप्त होती है।

Nicolas Menet, Andreas Krause, Abbas Rahimi2026-05-11