🤖 Category

cs.LG

28152 पेपर

📊 सांख्यिकी

Every Feedforward Neural Network Definable in an o-Minimal Structure Has Finite Sample Complexity

यह शोध पत्र यह स्थापित करता है कि किसी भी o-minimal संरचना के भीतर परिभाषित किसी भी निश्चित फीडफॉरवर्ड न्यूरल नेटवर्क आर्किटेक्चर में एगोस्टिक (agnostic) PAC मॉडल में परिमित नमूना जटिलता (finite sample complexity) होती है, जो यह प्रदर्शित करता है कि वितरण-मुक्त सीखनीयता (distribution-free learnability) विशिष्ट सक्रियण कार्यों (activation functions) या आर्किटेक्चरों का एक अनूठा गुण होने के बजाय एक विनम्र गणितीय परिभाषाओं (tame mathematical definitions) का एक मौलिक परिणाम है।

Anastasis Kratsios, Gregory Cousins, Haitz Sáez de Ocáriz Borde, Bum Jun Kim, Simone Brugiapaglia2026-05-11
🔬 भौतिकी

CarCrashNet: A Large-Scale Dataset and Hierarchical Neural Solver for Data-Driven Structural Crash Simulation

यह शोध पत्र CarCrashNet प्रस्तुत करता है, जो 14,000 से अधिक घटक-स्तरीय और 825 पूर्ण-वाहन क्रैश सिमुलेशन वाला एक बड़े पैमाने का ओपन-सोर्स बेंचमार्क है, साथ ही इसमें CrashSolver भी शामिल है, जो एक पदानुक्रमित न्यूरल सॉल्वर है जिसे डेटा-संचालित, एआई-संचालित संरचनात्मक क्रैश भविष्यवाणी और वाहन सुरक्षा में पुनरुत्पादक अनुसंधान को सक्षम करने के लिए डिज़ाइन किया गया है।

Mohamed Elrefaie, Dule Shu, Matthew Klenk, Faez Ahmed2026-05-11
📊 सांख्यिकी

Almost Sure Convergence Rates of Stochastic Approximation and Reinforcement Learning via a Poisson-Moreau Drift

यह शोध पत्र पॉइसन-इक्वेशन सुधारों (Poisson-equation corrections) को मोरो-एनवेलप स्मूथिंग (Moreau-envelope smoothing) के साथ संयोजित करने वाले एक नवीन लयाप्टोव ड्रिफ्ट निर्माण (Lyapunov drift construction) को पेश करते हुए, मार्कोवियन शोर (Markovian noise) के तहत संकुचित अपेक्षित अपडेट्स (contractive expected updates) वाले स्टोकेस्टिक एप्रोक्सिमेशन और सुदृढीकरण लर्निंग (reinforcement learning) एल्गोरिदम के लिए लगभग निश्चित अभिसरण दरों (almost sure convergence rates) को स्थापित करता है, जो पावर-लॉ लर्निंग रेट्स के लिए o(n1−2η)o(n^{1-2\eta}) और हार्मोनिक लर्निंग रेट्स के लिए o(n−1)o(n^{-1}) के अत्यंत निकट की दरें प्राप्त करता है।

Xinyu Liu, Zixuan Xie, Shangtong Zhang2026-05-11
📊 सांख्यिकी

Classification Fields: Arbitrarily Fine Recursive Hierarchical Clustering From Few Examples

यह शोध पत्र "क्लासिफिकेशन फील्ड्स" (classification fields) को प्रस्तुत करता है, जो स्थानीय पैरेंट-टू-चाइल्ड रिफाइनमेंट नियमों का अनुमान लगाकर सीमित उदाहरणों से अनंत-गहराई वाली पदानुक्रमित क्लस्टर संरचनाओं को सीखने के लिए एक ढांचा है, और यह सिद्ध करता है कि इन नियमों को गहरे, ज्यामितीय रूप से सुसंगत पदानुक्रमों को उत्पन्न करने के लिए न्यूरल नेटवर्क द्वारा प्रभावी ढंग से अनुमानित किया जा सकता है।

Yicen Li, Ruiyang Hong, Anastasis Kratsios, Haitz Sáez de Ocáriz Borde, Paul D. McNicholas2026-05-11
📊 सांख्यिकी

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
🤖 मशीन लर्निंग

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
🤖 कृत्रिम बुद्धिमत्ता

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
🤖 मशीन लर्निंग

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
🤖 मशीन लर्निंग

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
💬 प्राकृतिक भाषा प्रसंस्करण

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