🤖 Category

cs.LG

27461 पेपर

🤖 मशीन लर्निंग

GRALIS: A Unified Canonical Framework for Linear Attribution Methods via Riesz Representation

यह शोध पत्र GRALIS को प्रस्तुत करता है, जो रीज़ रिप्रेजेंटेशन थ्योरम (Riesz Representation Theorem) पर आधारित एक एकीकृत गणितीय ढांचा है, जो 14 में से 13.5 स्वैच्छिक गुणों (axiomatic properties) को एक साथ संतुष्ट करते हुए रैखिक एट्रिब्यूशन विधियों के लिए एक मानक रूप स्थापित करता है और पूर्णता (completeness), अभिसरण (convergence) तथा बहु-पैमाने की अंतःक्रियाओं (multi-scale interactions) के लिए औपचारिक गारंटी प्रदान करता है जिनका व्यक्तिगत XAI विधियों में अभाव है।

Raimondo Fanale2026-05-08✓ Author reviewed ⓘ
🤖 मशीन लर्निंग

Approximate Next Policy Sampling: Replacing Conservative Target Policy Updates in Deep RL

यह शोध पत्र एप्रोक्सिमेट नेक्स्ट पॉलिसी सैंपलिंग (ANPS) और इसके कार्यान्वयन, स्टेबल वैल्यू PPO (SV-PPO) को एक नवीन दृष्टिकोण के रूप में प्रस्तुत करता है जो डीप रिइन्फोर्समेंट लर्निंग में बड़े और सुरक्षित पॉलिसी अपडेट को सक्षम करने के लिए रूढ़िवादी पॉलिसी बाधाओं को एक संशोधित प्रशिक्षण वितरण से बदल देता है।

Dillon Sandhu, Ronald Parr2026-05-08
📊 सांख्यिकी

A renormalization-group inspired lattice-based framework for piecewise generalized linear models

यह शोधपत्र एक पुनर्सामान्यीकरण-समूह (रेनॉर्मलाइजेशन-ग्रुप) प्रेरित, जाली-आधारित (लैटिस-बेस्ड) ढांचा प्रस्तुत करता है जो पीसवाइज सामान्यीकृत रैखिक मॉडलों के लिए स्पष्ट व्याख्यात्मकता और संरचित पैरामीटर साझाकरण प्रदान करता है, जबकि सामान्यीकरण प्रदर्शन को बनाए रखने के लिए जाली डिजाइन और नियमितीकरण स्केलिंग के लिए सिद्धांतपूर्ण दिशानिर्देश प्राप्त करने हेतु रेप्लिका विश्लेषण का उपयोग करता है।

Joshua C. Chang2026-05-08
🤖 मशीन लर्निंग

Shortcut Solutions Learned by Transformers Impair Continual Compositional Reasoning

यह शोध पत्र एक विस्तारित LEGO फ्रेमवर्क का उपयोग करके ट्रांसफॉर्मर्स में निरंतर संरचनात्मक तर्क (continual compositional reasoning) की जांच करता है, जो यह प्रकट करता है कि जहाँ फीडफॉरवर्ड BERT मॉडल स्थापित शॉर्टकट समाधानों के कारण विफल हो जाते हैं, वहीं रिकरेंट ALBERT मॉडल बेहतर प्रदर्शन प्रदर्शित करते हैं क्योंकि वे एल्गोरिद्मिक "फॉर-लूप" (for-loop) रणनीतियों को सीखते हैं जिन्हें क्रॉस-एक्सपीरियंस ट्रेनिंग के माध्यम से और अधिक बढ़ाया जा सकता है।

William T. Redman, Erik C. Johnson, Brian Robinson2026-05-08
🤖 मशीन लर्निंग

Energy Generative Modeling: A Lyapunov-based Energy Matching Perspective

यह शोधपत्र स्टैटिक स्केलर एनर्जी-बेस्ड जनरेटिव मॉडल्स के प्रशिक्षण और सैंपलिंग को वॉसरस्टीन स्पेस (Wasserstein space) पर एक एकल नॉनलीनियर कंट्रोल फ्रेमवर्क में एकीकृत करता है, जहाँ KL डाइवर्जेंस एक लयापुनोव फंक्शन (Lyapunov function) के रूप में कार्य करता है ताकि परिमित-चरण सैंपलिंग मानदंड (finite-step sampling criteria) प्राप्त किए जा सकें और स्थिरता गारंटी को बनाए रखते हुए ऊर्जा फलनों (energy functions) के योगात्मक संयोजन (additive composition) को सक्षम बनाया जा सके।

Yixuan Wang, Wenqian Xue, Warren E. Dixon2026-05-08
🤖 मशीन लर्निंग

Towards Scalable One-Step Generative Modeling for Autoregressive Dynamical System Forecasting

यह शोध पत्र MeLISA प्रस्तुत करता है, जो पिक्सेल स्पेस में MeanFlow पर आधारित एक स्केलेबल, लेटेंसी-मुक्त ऑटोरेग्रेसिव जनरेटिव मॉडल है, जो ब्लॉक-वाइज स्टोकेस्टिक ट्रांज़िशन और विशेष कंसिस्टेंसी लॉस के उपयोग के माध्यम से टर्बुलेंट फ्लूइड डायनेमिक्स के लिए लंबी समय अवधि पर उच्च इन्फरेंस गति और सटीक सांख्यिकीय निष्ठा (statistical fidelity) दोनों प्राप्त करता है।

Tianyue Yang, Xiao Xue2026-05-08
🤖 मशीन लर्निंग

FedeKD: Energy-Based Gating for Robust Federated Knowledge Distillation under Heterogeneous Settings

यह शोध पत्र FedeKD को प्रस्तुत करता है, जो एक सुदृढ़ फेडरेटेड नॉलेज डिस्टिलेशन फ्रेमवर्क है जो प्राइवेट-प्रॉक्सी डिसएग्रीमेंट के आधार पर सैंपल-वार नॉलेज ट्रांसफर को गतिशील रूप से वेट करने के लिए एक एनर्जी-बेस्ड गेटिंग मैकेनिज्म का उपयोग करता है, जिससे सार्वजनिक डेटासेट की आवश्यकता के बिना विषम सेटिंग्स में नेगेटिव ट्रांसफर को कम किया जा सके।

Quang-Huy Nguyen, Jiaqi Wang, Wei-shinn Ku2026-05-08
🔢 गणित

Stability of the Monge Map in Semi-Dual Optimal Transport

यह शोध पत्र स्थापित करता है कि अर्ध-द्वैत इष्टतम परिवहन (semi-dual optimal transport) समस्या में एक एकदिष्ट बाधा-समस्या (constrained optimization problem) के समकक्ष एक अपभ्रष्ट सैडल-पॉइंट संरचना (degenerate saddle-point structure) होती है, और मोंगे मैप अभिसरण (Monge map convergence) के लिए आवश्यक और पर्याप्त शर्तें व्युत्पन्न करता है जो यह स्पष्ट करती हैं कि संख्यात्मक एल्गोरिदम को आमतौर पर परिवहन मानचित्र (transport map) को अपडेट करने के लिए क्षमता (potential) की तुलना में अधिक पुनरावृत्तियों (iterations) की आवश्यकता क्यों होती है।

Anton Selitskiy, David Millard2026-05-08
🤖 मशीन लर्निंग

Accelerating LMO-Based Optimization via Implicit Gradient Transport

यह शोध पत्र LMO-IGT का प्रस्ताव करता है, जो स्टोकेस्टिक अनुकूलन विधियों का एक नया वर्ग है जो प्रति पुनरावृत्ति केवल एक ग्रेडिएंट मूल्यांकन के साथ बेहतर O(ε−3.5)\mathcal{O}(\varepsilon^{-3.5}) इटरेशन कॉम्प्लेक्सिटी प्राप्त करने के लिए 'इम्प्लिसिट ग्रेडिएंट ट्रांसपोर्ट' का लाभ उठाता है, और साथ ही अनकन्स्ट्रेंड (unconstrained) और कन्स्ट्रेंड (constrained) LMO-आधारित दृष्टिकोणों के बीच सैद्धांतिक अंतराल को पाटने के लिए एक एकीकृत ढांचे और नियमित सहायता फलन (regularized support function) को प्रस्तुत करता है।

Won-Jun Jang, Si-Hyeon Lee2026-05-08
🤖 मशीन लर्निंग

AeroJEPA: Learning Semantic Latent Representations for Scalable 3D Aerodynamic Field Modeling

यह शोध पत्र AeroJEPA को प्रस्तुत करता है, जो एक जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (Joint-Embedding Predictive Architecture) है जो ज्यामिति और स्थितियों से लेटेंट फ्लो रिप्रेजेंटेशन (latent flow representations) की भविष्यवाणी करके वर्तमान एरोडायनामिक सरोगेट मॉडलों की स्केलेबिलिटी और सिमेंटिक सीमाओं को दूर करता है, जिससे उच्च-रिज़ॉल्यूशन 3D फील्ड मॉडलिंग सक्षम होती है और डिज़ाइन-सार्थक लेटेंट स्पेस ऑप्टिमाइज़ेशन को सुगम बनाया जाता है।

Francisco Giral, Abhijeet Vishwasrao, Andrea Arroyo Ramo, Mahmoud Golestanian, Federica Tonti, Adrian Lozano-Duran, Stev (…)2026-05-08