🤖 Category

cs.LG

27461 पेपर

📊 statistics

When Symbol Names Should Not Matter: A Logistic Theory of Fresh-Symbol Classification

यह शोध पत्र यह स्थापित करता है कि नियमितकृत कर्नेल लॉजिस्टिक क्लासिफायर (regularized kernel logistic classifiers), सीखे गए प्रेडिक्टर को एक आदर्श टेम्पलेट-स्तरीय नियम और टोकन ओवरलैप के कारण होने वाले विक्षोभ (perturbation) में विभाजित करके, टेम्पलेट-आधारित कार्यों में फ्रेश-सिंबल सामान्यीकरण (fresh-symbol generalization) प्राप्त कर सकते हैं, जो यह सिद्ध करता है कि वर्गीकरण मार्जिन (classification margins) का संरक्षण केवल शब्दावली के आकार पर नहीं, बल्कि इन टकरावों (collisions) की ज्यामिति पर निर्भर करता है।

Wenjie Guan, Jelena Bradic2026-05-11
🤖 machine learning

Convergence and Emergence of In-Context Reinforcement Learning with Chain of Thought

यह शोध पत्र पहला सैद्धांतिक ढांचा प्रदान करता है जो यह प्रदर्शित करता है कि लीनियर ट्रांसफॉर्मर्स (linear Transformers) में चेन-ऑफ-थॉट (Chain-of-Thought) जनरेशन, टेम्पोरल डिफरेंस लर्निंग (temporal difference learning) के समतुल्य है, जो यह सिद्ध करता है कि यह प्रीट्रेनिंग लॉस (pretraining loss) के ग्लोबल मिनिमाइज़र के रूप में उभरते हुए पॉलिसी इवैल्यूएशन एरर (policy evaluation error) के ज्यामितीय अभिसरण (geometric convergence) को संचालित करता है।

Zixuan Xie, Xinyu Liu, Rohan Chandra, Shangtong Zhang2026-05-11
🤖 AI

RRCM: Ranking-Driven Retrieval over Collaborative and Meta Memories for LLM Recommendation

यह शोध पत्र RRCM का प्रस्ताव करता है, जो एक रैंकिंग-संचालित ढांचा है जो LLM-आधारित अनुशंसाकर्ताओं (recommenders) को प्राकृतिक भाषा इंटरफेस के माध्यम से सहयोगी और मेटाडेटा स्मृतियों को गतिशील रूप से पुनर्प्राप्त करने और उन पर तर्क करने में सक्षम बनाता है, जिससे संदर्भ-दक्षता बाधाओं को दूर करने और अनुशंसा गुणवत्ता में सुधार करने के लिए ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन के माध्यम से सीधे पुनर्प्राप्ति निर्णयों को अनुकूलित किया जाता है।

Shijun Li, Wooseong Yang, Yu Wang, Tianxin Wei, Joydeep Ghosh2026-05-11
🤖 machine learning

Simple KNN-Based Outlier Detection Achieves Robust Clustering

यह शोध पत्र प्रदर्शित करता है कि एक सरल K-निकटतम-पड़ोसी (K-Nearest-Neighbor) आधारित आउटलियर हटाने वाला ह्यूरिस्टिक, रोबस्ट kk-मीन्स क्लस्टरिंग के लिए निरंतर-कारक सन्निकटन गारंटी (constant-factor approximation guarantees) और बेहतर अनुभवजन्य प्रदर्शन प्राप्त करता है, जो बिना किसी अतिरिक्त केंद्रों या जटिल एल्गोरिदम की आवश्यकता के, आउटलियर डिटेक्शन और क्लस्टरिंग तकनीकों को प्रभावी ढंग से जोड़ता है।

Tianle Jiang, Yufa Zhou2026-05-11
🤖 machine learning

GAD in the Wild: Benchmarking Graph Anomaly Detection under Realistic Deployment Challenges

यह शोध पत्र ग्राफ विसंगति पहचान (Graph Anomaly Detection) के लिए एक व्यापक बेंचमार्क प्रस्तुत करता है जो वास्तविक तैनाती की चुनौतियों—विशेष रूप से मिलियन-स्केल ग्राफ, अत्यधिक विसंगति दुर्लभता और लुप्त विशेषताओं—के तहत मॉडलों का मूल्यांकन करता है, जिससे यह पता चलता है कि वर्तमान अत्याधुनिक विधियाँ अक्सर अपने प्रयोगशाला परिणामों की तुलना में उत्पादन वातावरण में स्केल करने या प्रदर्शन बनाए रखने में विफल रहती हैं।

Jingjing Zhou, Shiyu Huang, Qing Qing, Zuquan Yuan, Huafei Huang, Ziqi Xu, Mingliang Hou, Xikun Zhang, Renqiang Luo, Iva (…)2026-05-11
💬 NLP

Structural Rationale Distillation via Reasoning Space Compression

यह शोध पत्र डिस्टिलेशन थ्रू रीजनिंग पाथ कम्प्रेशन (D-RPC) का प्रस्ताव करता है, जो एक ऐसी विधि है जो शिक्षक (teacher) के तर्क (rationales) को पुन: प्रयोज्य उच्च-स्तरीय रीजनिंग पथों के एक गतिशील रूप से बनाए रखे गए बैंक तक सीमित करके बड़े से छोटे भाषा मॉडलों में ज्ञान हस्तांतरण में सुधार करती है, जिससे पर्यवेक्षण शोर (supervision noise) कम होता है और मौजूदा डिस्टिलेशन तकनीकों की तुलना में कई रीजनिंग बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।

Jialin Yang, Jiankun Wang, Jiajun Wu, Henry Leung, Jiayu Zhou, Steve Drew2026-05-11
🤖 AI

MathlibPR: Pull Request Merge-Readiness Benchmark for Formal Mathematical Libraries

यह शोध पत्र MathlibPR को प्रस्तुत करता है, जो वास्तविक Lean/Mathlib4 पुल रिक्वेस्ट इतिहास से प्राप्त एक बेंचमार्क है, जिसका उद्देश्य LLMs और एजेंटों की मर्ज-तैयार योगदानों से गैर-मर्ज किए गए योगदानों के बीच अंतर करने की क्षमता का मूल्यांकन करना है, जो उनकी वर्तमान संघर्षों को प्रकट करता है और रिव्यूअर असिस्टेंट और रिवॉर्ड मॉडल विकसित करने के लिए इस बेंचमार्क की क्षमता को उजागर करता है।

Zixuan Xie, Xinyu Liu, Shangtong Zhang2026-05-11
🤖 machine learning

Learned Lagrangian Models of PDEs via Euler-Lagrange Residual Minimization

यह शोध पत्र एक ऐसी नवीन विधि प्रस्तुत करता है जो एक मेश-मुक्त अनुकूलन-आधारित इंटीग्रेटर के माध्यम से यूलर-लैग्रेंज अवशेषों (Euler-Lagrange residuals) को न्यूनतम करके आंशिक अंतर समीकरणों (partial differential equations) के लिए सीधे निरंतर लैग्रेंजियन मॉडल सीखती है, जो रैखिक स्केलेबिलिटी और बिना पुनरप्रशिक्षण के मनमाने सीमा स्थितियों (boundary conditions) में सामान्यीकरण के साथ स्थिर, दीर्घकालिक भविष्यवाणियों को सक्षम बनाती है।

Lyra Zhornyak, Eric Forgoston, M. Ani Hsieh2026-05-11
💬 NLP

Topic Is Not Agenda: A Citation-Community Audit of Text Embeddings

यह शोध पत्र यह प्रदर्शित करता है कि वर्तमान अत्याधुनिक टेक्स्ट एम्बेडिंग (text embeddings) व्यापक उप-क्षेत्र स्तरों पर पर्याप्त प्रदर्शन करने के बावजूद सूक्ष्म शोध एजेंडों को पकड़ने में विफल रहती हैं, जो वैज्ञानिक रिट्रीवल-ऑगमेंटेड जनरेशन (retrieval-augmented generation) के लिए एक महत्वपूर्ण सीमा को उजागर करता है जिसे साइटेशन-आधारित संकेतों (citation-based signals) का लाभ उठाकर आंशिक रूप से संबोधित किया जा सकता है।

Junseon Yoo2026-05-11
🤖 machine learning

Neurosymbolic Imitation Learning with Human Guidance: A Privileged Information Approach

यह शोध पत्र एक न्यूरोसिम्बोलिक इमिटेशन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो उच्च-आयामी डेटा को संसाधित करने की तंत्रिका नेटवर्क (न्यूरल नेटवर्क) की क्षमता को प्रतीकात्मक विधियों की सामान्यीकरण क्षमताओं के साथ जोड़ता है, जो दक्षता में सुधार करने और ओवरफिटिंग को कम करने के लिए गेज़ (दृष्टि) डेटा जैसे विशेषाधिकार प्राप्त प्रशिक्षण जानकारी का लाभ उठाता है।

Nikhilesh Prabhakar, Varun Balaji, Athresh Karanam, Kristian Kersting, Sriraam Natarajan2026-05-11