🤖 Category

cs.LG

28152 पेपर

🔢 गणित

Neural Weight Norm = Kolmogorov Complexity

यह शोध पत्र सिद्ध करता है कि फिक्स्ड-प्रिसिजन (fixed-precision) व्यवस्थाओं में, एक बाइनरी स्ट्रिंग आउटपुट देने वाले न्यूरल नेटवर्क का न्यूनतम वेट नॉर्म (weight norm), लॉगरिदमिक कारकों तक स्ट्रिंग की कोलमोगोरोव जटिलता (Kolmogorov complexity) के समकक्ष होता है, जिससे यह प्रदर्शित होता है कि वेट डिके (weight decay) स्पष्ट रूप से कंप्यूट करने योग्य फलनों (computable functions) पर सोलोमोनॉफ के यूनिवर्सल प्रायर (Solomonoff's universal prior) को लागू करता है।

Tiberiu Musat2026-05-12
🤖 मशीन लर्निंग

Unmasking On-Policy Distillation: Where It Helps, Where It Hurts, and Why

यह शोध पत्र एक प्रशिक्षण-मुक्त (training-free), प्रति-टोकन (per-token) नैदानिक ढांचे को प्रस्तुत करता है जो यह प्रकट करता है कि ऑन-पॉलिसी डिस्टिलेशन (on-policy distillation) सही चरणों को सुदृढ़ करने के बजाय गलत तर्क चरणों को सुधारने के लिए सर्वाधिक लाभकारी है, जबकि यह भी प्रदर्शित करता है कि इष्टतम डिस्टिलेशन कॉन्फ़िगरेशन छात्र मॉडल की क्षमता और विशिष्ट कार्य के आधार पर महत्वपूर्ण रूप से भिन्न होता है।

Mohammadreza Armandpour, Fatih Ilhan, David Harrison, Ajay Jaiswal, Duc N. M Hoang, Fartash Faghri, Yizhe Zhang, Minsik (…)2026-05-12
🤖 मशीन लर्निंग

V4FinBench: Benchmarking Tabular Foundation Models, LLMs, and Standard Methods on Corporate Bankruptcy Prediction

यह शोध पत्र V4FinBench प्रस्तुत करता है, जो विसेग्राद समूह की अर्थव्यवस्थाओं के दस लाख से अधिक कंपनी-वर्ष रिकॉर्ड्स वाला एक बड़े पैमाने का बेंचमार्क है जिसे कॉर्पोरेट दिवालियापन भविष्यवाणी विधियों का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि इम्बैलेंस-अवेयर फाइन-ट्यून्ड TabPFN, गंभीर क्लास इम्बैलेंस और मल्टी-होराइजन फोरकास्टिंग को संभालने में मानक ग्रेडिएंट बूस्टिंग और Llama-3-8B जैसे LLMs से बेहतर प्रदर्शन करता है।

Marcin Kostrzewa, Sebastian Tomczak, Roman Furman, Anna Poberezhna, Michał Furgała, Oleksii Furman, Maciej Zięba2026-05-12
🤖 मशीन लर्निंग

RubricEM: Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards

RubricEM एक मेटा-रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो चरणवार नीति अपघटन (stagewise policy decomposition) को संरचित करने के लिए रूब्रिक्स को एक केंद्रीय इंटरफ़ेस के रूप में उपयोग करके, स्टेज-स्ट्रक्चर्ड GRPO के माध्यम से सघन सिमेंटिक फीडबैक प्रदान करके, और एक रिफ्लेक्शन मेटा-पॉलिसी को विकसित करके डीप रिसर्च एजेंटों को उन्नत करता है, जिससे लंबे शोध बेंचमार्क पर प्रोप्रायटरी सिस्टम के तुलनीय प्रदर्शन को प्राप्त किया जाता है।

Gaotang Li, Bhavana Dalvi Mishra, Zifeng Wang, Jun Yan, Yanfei Chen, Chun-Liang Li, Long T. Le, Rujun Han, George Lee, H (…)2026-05-12
🤖 मशीन लर्निंग

DataMaster: Towards Autonomous Data Engineering for Machine Learning

यह शोध पत्र DataMaster को प्रस्तुत करता है, जो एक स्वायत्त एजेंट फ्रेमवर्क है जो डेटा इंजीनियरिंग कार्यों—जैसे कि खोज, चयन और रूपांतरण—को साझा डेटा पूल्स और संचयी मेमोरी के साथ एक ट्री-स्ट्रक्चर्ड सर्च के माध्यम से अनुकूलित करके मशीन लर्निंग प्रदर्शन को बढ़ाता है, जो अंतर्निहित लर्निंग एल्गोरिदम में संशोधन किए बिना MLE-Bench Lite और PostTrainBench बेंचमार्क पर महत्वपूर्ण सुधार प्राप्त करता है।

Yaxin Du, Xiyuan Yang, Zhifan Zhou, Wanxu Liu, Zixing Lei, Zimeng Chen, Fenyi Liu, Haotian Wu, Yuzhu Cai, Zexi Liu, Xiny (…)2026-05-12
📊 सांख्यिकी

Revisiting Policy Gradients for Restricted Policy Classes: Escaping Myopic Local Optima with kk-step Policy Gradients

यह शोध पत्र एक सामान्यीकृत kk-स्टेप पॉलिसी ग्रेडिएंट पद्धति प्रस्तावित करता है जो kk-स्टेप विंडो पर यादृच्छिकता (randomness) को जोड़कर प्रतिबंधित पॉलिसी वर्गों में निहित अल्पदर्शी स्थानीय इष्टतमों (myopic local optima) पर विजय प्राप्त करता है, जो वितरण बेमेल कारकों (distribution mismatch factors) पर निर्भर किए बिना निकट-इष्टतम समाधानों में अभिसरण की सैद्धांतिक गारंटी देता है।

Alex DeWeese, Guannan Qu2026-05-12
⚛️ क्वांटम भौतिकी

Equivariant Reinforcement Learning for Clifford Quantum Circuit Synthesis

यह शोध पत्र एक इक्विवेरिएंट (equivariant), आकार-अज्ञेय (size-agnostic) सुदृढीकरण शिक्षण (reinforcement learning) एजेंट प्रस्तुत करता है जो ऑल-टू-ऑल कनेक्टिविटी वाले उपकरणों के लिए इष्टतम या निकट-इष्टतम क्लिफोर्ड क्वांटम सर्किटों को कुशलतापूर्वक संश्लेषित करता है, जो कि Qiskit के सिंथेसाइज़र जैसे मौजूदा उपकरणों से बेहतर प्रदर्शन करता है और छह से तीस क्विबिट तक सफलतापूर्वक स्केल करता है।

Richie Yeung, Aleks Kissinger, Rob Cornish2026-05-12
🔢 गणित

Quantifying Concentration Phenomena of Mean-Field Transformers in the Low-Temperature Regime

यह शोध पत्र गणितीय रूप से सिद्ध करता है कि निम्न-तापमान सीमा (low-temperature limit) में, गहरे एनकोडर-ओनली ट्रांसफॉर्मर में टोकन वितरण तेजी से मॉडल के प्रोजेक्शन मैट्रिसेस द्वारा निर्धारित एक विशिष्ट मेटास्टेबल अवस्था पर केंद्रित हो जाते हैं, जिसका अभिसरण दर (convergence rate) वासरस्टीन दूरी (Wasserstein distance) के माध्यम से परिमाणित किया गया है और बाद के स्पेक्ट्रल-डोमिनेटेड टर्मिनल चरण को दर्शाने वाले संख्यात्मक प्रयोगों द्वारा मान्य किया गया है।

Albert Alcalde, Leon Bungert, Konstantin Riedl, Tim Roith2026-05-12
🤖 मशीन लर्निंग

DECO: Sparse Mixture-of-Experts with Dense-Comparable Performance on End-Side Devices

यह शोध पत्र DECO को प्रस्तुत करता है, जो एक स्पार्स Mixture-of-Experts आर्किटेक्चर है जो ReLU-आधारित रूटिंग, लर्नेबल एक्सपर्ट-वाइज स्केलिंग और एक नवीन NormSiLU एक्टिवेशन फंक्शन का लाभ उठाकर केवल 20% एक्सपर्ट एक्टिवेशन और एंड-साइड डिवाइसेस पर 3.00× इन्फरेंस स्पीडअप के साथ डेंस-तुलनीय प्रदर्शन प्राप्त करता है।

Chenyang Song, Weilin Zhao, Xu Han, Chaojun Xiao, Yingfa Chen, Zhiyuan Liu2026-05-12
🤖 मशीन लर्निंग

ELF: Embedded Language Flows

यह शोध पत्र एम्बेडेड लैंग्वेज फ्लोज़ (ELF) को प्रस्तुत करता है, जो एक निरंतर-समय फ्लो मैचिंग मॉडल है जो डिस्क्रीट टोकन में मैप करने से पहले मुख्य रूप से निरंतर एम्बेडिंग स्पेस में कार्य करता है, और मौजूदा डिस्क्रीट और निरंतर डिफ्यूजन लैंग्वेज मॉडल्स की तुलना में बेहतर जनरेशन गुणवत्ता और दक्षता प्रदर्शित करता है।

Keya Hu, Linlu Qiu, Yiyang Lu, Hanhong Zhao, Tianhong Li, Yoon Kim, Jacob Andreas, Kaiming He2026-05-12