🤖 Category

cs.LG

28147 पेपर

🤖 मशीन लर्निंग

The Geometric Wall: Manifold Structure Predicts Layerwise Sparse Autoencoder Scaling Laws

यह शोध पत्र यह प्रदर्शित करता है कि न्यूरल नेटवर्क परतों में स्पार्स ऑटोएनकोडर्स (sparse autoencoders) के स्केलिंग लॉ सार्वभौमिक नहीं हैं, बल्कि वे सक्रियता मैनिफोल्ड (activation manifold) की अंतर्निहित ज्यामितीय संरचना, विशेष रूप से इसकी वक्रता (curvature) और आंतरिक आयाम (intrinsic dimension) द्वारा निर्धारित होते हैं, जो विभिन्न मॉडलों में एक हस्तांतरणीय (transferable) तरीके से पुनर्निर्माण त्रुटि फर्श (reconstruction error floors) और चौड़ाई घातांकों (width exponents) को पूर्वानुमानित रूप से निर्देशित करते हैं।

Eslam Zaher, Maciej Trzaskowski, Quan Nguyen, Fred Roosta2026-05-12
🔢 गणित

The Observable Wasserstein Distance

यह शोधपत्र "ऑब्जर्वेबल वासरस्टीन डिस्टेंस" (observable Wasserstein distance) प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल ढांचा है जो 1-लिप्सचिट्ज़ ऑब्जर्वेबल्स के माध्यम से प्रायिकता मापों को वास्तविक रेखा पर प्रक्षेपित करके वासरस्टीन दूरी पर निचली सीमाएं व्युत्पन्न करता है, जो एक सैद्धांतिक पदानुक्रम स्थापित करता है जो माप के समर्थन के मेट्रिक कविंग आयाम के आधार पर अद्वितीय रिकवरी की गारंटी देता है।

Edivaldo Lopes dos Santos, Leandro Vicente Mauri, Washington Mio, Tom Needham2026-05-12
🤖 मशीन लर्निंग

NaiAD: Initiate Data-Driven Research for LLM Advertising

यह शोध पत्र NaiAD को प्रस्तुत करता है, जो लगभग 59,000 विज्ञापन-अंतर्निहित प्रतिक्रियाओं और एक विच्छेदित (decoupled) जनरेशन पाइपलाइन वाली LLM-नेटिव विज्ञापन के लिए पहली व्यापक डेटासेट है, जो मॉडलों को विशिष्ट अर्थ संबंधी रणनीतियों और नियंत्रणीय इन-कॉन्टेक्स्ट लर्निंग के माध्यम से उपयोगकर्ता अनुभव और वाणिज्यिक राजस्व को एक साथ अनुकूलित करने में सक्षम बनाती है।

Yihang Zhang, Zimeng Huang, Ren Zhai, Yipeng Kang, Tonghan Wang2026-05-12
🤖 मशीन लर्निंग

Verifier-Free RL for LLMs via Intrinsic Gradient-Norm Reward

यह शोधपत्र VIGOR को प्रस्तुत करता है, जो एक वर्िफायर-मुक्त (verifier-free) सुदृढीकरण लर्निंग (reinforcement learning) विधि है जो बाहरी वर्िफायर या गोल्ड लेबल पर निर्भर हुए बिना गणितीय तर्क और कोड जनरेशन में LLM के प्रदर्शन को प्रभावी ढंग से सुधारने के लिए स्वयं पॉलिसी मॉडल से प्राप्त आंतरिक ग्रेडिएंट-नॉर्म रिवार्ड्स का लाभ उठाता है।

Xuexiang Wen, Hang Yu, Linchao Zhu, Gaoang Wang2026-05-12
🤖 मशीन लर्निंग

Novel GPU Boruta algorithms for feature selection from high-dimensional data

यह शोध पत्र बोरुटा (Boruta) फीचर सिलेक्शन एल्गोरिदम के दो GPU-त्वरित संस्करणों का प्रस्ताव करता है, जो यह प्रदर्शित करते हैं कि वे मूल CPU-आधारित पद्धति के समान सटीकता बनाए रखते हुए बड़े पैमाने के डेटासेट के लिए कम्प्यूटेशनल दक्षता में महत्वपूर्ण सुधार करते हैं, हालांकि इम्प्योरिटी-आधारित (impurity-based) संस्करण कुछ फीचर्स के महत्व को बढ़ा-चढ़ाकर दिखा सकता है।

Xurui Li, Zhiguo Gan, Jiaming Zhang, Zheng Liu, Diannan Lu2026-05-12
🤖 मशीन लर्निंग

G-Zero: Self-Play for Open-Ended Generation from Zero Data

G-Zero एक वर्िफायर-मुक्त (verifier-free), सह-विकासवादी (co-evolutionary) ढांचा है जो एक आंतरिक "Hint-δ\delta" रिवॉर्ड का उपयोग करके LLM के ओपन-एंडेड आत्म-सुधार को सक्षम बनाता है, जिससे एक प्रपोजर (Proposer) मॉडल को चुनौतीपूर्ण प्रश्न और संकेत उत्पन्न करने के लिए प्रशिक्षित किया जाता है, जिससे एक जनरेटर (Generator) मॉडल DPO के माध्यम से उनसे सीखता है, और इस प्रकार बाहरी जजों की सीमाओं को दरकिनार करता है।

Chengsong Huang, Haolin Liu, Tong Zheng, Runpeng Dai, Langlin Huang, Jinyuan Li, Zongxia Li, Zhepei Wei, Yu Meng, Jiaxin (…)2026-05-12
📊 सांख्यिकी

Consolidation-Expansion Operator Mechanics:A Unified Framework for Adaptive Learning

यह शोध पत्र कंसोलिडेशन-एक्सपेंशन ऑपरेटर मैकेनिक्स (OpMech) फ्रेमवर्क प्रस्तुत करता है, जो विविध शिक्षण प्रणालियों में अभिसरण (convergence) और अनुकूली ठहराव (adaptive stopping) को निर्धारित करने के लिए एक वास्तविक समय, सिद्धांत-आधारित नियंत्रण संकेत के रूप में एक गणनीय "ऑर्डर-गैप" मीट्रिक का उपयोग करता है, जो प्रभावी रूप से ह्यूरिस्टिक विधियों को साक्ष्य-आधारित गारंटियों से प्रतिस्थापित करता है।

Debashis Guha2026-05-12
🤖 मशीन लर्निंग

The Truth Lies Somewhere in the Middle (of the Generated Tokens)

यह शोध पत्र यह प्रदर्शित करता है कि ऑटोरेग्रेसिव रूप से उत्पन्न टोकन के माध्यम से मीन पूलिंग (mean pooling) करने से व्यक्तिगत टोकन अवस्थाओं की तुलना में बेहतर सिमेंटिक निरूपण प्राप्त होते हैं, जो यह प्रकट करता है कि सूचना किसी एक स्थिति तक सीमित होने के बजाय पूरी पीढ़ी प्रक्रिया के दौरान वितरित होती है।

Sophie L. Wang, Phillip Isola, Brian Cheung2026-05-12
🤖 कृत्रिम बुद्धिमत्ता

Geometric 4D Stitching for Grounded 4D Generation

यह शोधपत्र 'जियोमेट्रिक 4D स्टिचिंग' (Geometric 4D Stitching) का प्रस्ताव करता है, जो एक कुशल ढांचा है कि स्पष्ट रूप से लुप्त ज्यामितीय क्षेत्रों की पहचान करता है और उन्हें ग्राउंडेड 4D स्टिच के साथ भरता है ताकि मौजूदा 4D जनरेशन विधियों में विसंगतियों को दूर किया जा सके, जिससे एकल GPU पर तेज़, उच्च-गुणवत्ता वाले दृश्य विस्तार और संपादन को सक्षम बनाया जा सके।

Sunwoo Park, Taesung Kwon, Jong Chul Ye2026-05-12
🤖 कृत्रिम बुद्धिमत्ता

Prospective Compression in Human Abstraction Learning

यह शोध पत्र इस परिकल्पना का प्रस्ताव और सत्यापन करता है कि मनुष्य भविष्य के कार्यों के लिए अनुकूलित होने हेतु "प्रॉस्पेक्टिव कम्प्रेशन" (prospective compression) के माध्यम से गैर-स्थिर वातावरण में पुन: प्रयोज्य अमूर्तताओं (reusable abstractions) को सीखते हैं, जो एक ऐसा व्यवहार है जिसे मौजूदा रेट्रोस्पेक्टिव एल्गोरिदम और एलएलएम-आधारित मॉडल पकड़ने में विफल रहते हैं।

Leonardo Hernandez Cano, Ivan Zareski, Luisa El Amouri, Pinzhe Zhao, Max Mascini, Emanuele Sansone, Yewen Pu, Bonan Zhao (…)2026-05-12