🤖 machine learning

Robust Human-AI Complementarity under Uncertainty

यह शोध पत्र यह प्रदर्शित करता है कि अनिश्चितता के तहत मानव-एआई पूरकता (human-AI complementarity) को तब मजबूती से प्राप्त किया जा सकता है जब एआई की भविष्यवाणी त्रुटियां मानवीय त्रुटियों के साथ नकारात्मक रूप से सहसंबंधित होती हैं, जिससे निर्णय लेने वालों को ऐसी रणनीतियां बनाने में सक्षम बनाया जा जाता है जो बेहतर अपेक्षित उपयोगिता (expected utility) की गारंटी देती हैं, एक ऐसी स्थिति जिसे लेखक वास्तविक दुनिया के पूर्वानुमान बेंचमार्क का उपयोग करके अनुभवजन्य रूप से मान्य करते हैं।

Yewon Byun, Bryan Wilder2026-07-09
💻 computer science

Vision Language Action (VLA) Models for Unmanned Aerial Robotics and Bimanual Manipulation: A Review

यह समीक्षा 2017 से 2026 तक के 183 योगदानों को संकलित करती है ताकि यह प्रदर्शित किया जा सके कि कैसे विजन लैंग्वेज एक्शन (VLA) मॉडल, जिन्हें मूल रूप से जटिल द्विपक्षीय हेरफेर (bimanual manipulation) के लिए विकसित किया गया था, साझा समन्वय रणनीतियों, प्रशिक्षण विधियों और क्रिया निरूपणों के माध्यम से मानव रहित हवाई रोबोटिक्स की चुनौतियों को संबोधित करने के लिए प्रभावी ढंग से अनुकूलित किए जा सकते हैं।

Inkyu Sa, Chanoh Park, Hea-Min Lee, Donghee Noh, Ho Seok Ahn2026-07-09
💻 computer science

Macroeconomic Message Passing for Anticipating Foreign Exchange Regime Changes: A Deep Logical Learning Approach using Graph Tsetlin Machines

यह शोध पत्र एक ग्राफ टसेटलिन मशीन (Graph Tsetlin Machine) ढांचे का प्रस्ताव करता है जो विदेशी मुद्रा शासन परिवर्तनों (foreign exchange regime changes) की भविष्यवाणी करने के लिए मैक्रोइकोनॉमिक और तकनीकी संकेतकों के हाइपरवेक्टराइज्ड निर्देशित मल्टीग्राफ (hypervectorized directed multigraphs) पर मैसेज पासिंग का उपयोग करता है, विशेष रूप से USD/JPY बाजार के बदलावों का पूर्वानुमान लगाने में इसकी प्रभावकारिता और व्याख्यात्मकता को प्रदर्शित करता है।

Christian Blakely, Melanie Gilmore2026-07-09
🔢 mathematics

Optimization Geometrodynamics: A Framework for Dynamic Geometric Optimization

यह शोध पत्र "ऑप्टिमाइज़ेशन जियोडेट्रोडायनामिक्स" (optimization geometrodynamics) प्रस्तुत करता है, जो एक ऐसा सैद्धांतिक ढांचा है जो अनुकूलन (optimization) को मापदंडों (parameters), कण वितरण (particle distributions) और एक समय-परिवर्तनीय रीमानियन मेट्रिक (time-varying Riemannian metric) के युग्मित विकास के रूप में मॉडल करता है ताकि विशिष्ट अनुकूलन कठिनाइयों को दूर करने के लिए आवश्यक न्यूनतम ज्यामितीय लागत को औपचारिक रूप से परिभाषित और परिमाणित किया जा सके, जिससे अनुकूलित अनुकूलकों (adaptive optimizers) के मूल्यांकन के लिए अपरिवर्तनीय बेंचमार्क स्थापित किए जा सकें।

Zavier Li2026-07-09
🤖 machine learning

Trees from Marginals: Autoregressive drafting with factorized priors

यह शोधपत्र Weaver को प्रस्तुत करता है, जो एक हल्का ऑटोरेग्रेसिव एडैप्टर (autoregressive adapter) है जो कुशल ट्री-आधारित स्पेकुलेटिव डिकोडिंग को सक्षम करने के लिए फैक्टराइज्ड ड्राफ्ट मार्जिनल्स (factorized draft marginals) से कंडीशनल डिपेंडेंसीज़ को पुनर्गठित करता है, जो एक नवीन रोलबैक-मुक्त सत्यापन एल्गोरिदम और अनुकूलित CUDA कर्नेल के माध्यम से मानक ऑटोरेग्रेसिव डिकोडिंग की तुलना में 4.37-गुना गति वृद्धि प्राप्त करता है।

Yuma Oda, Ryan Mathieu, Roman Knyazhitskiy, Artur Chakhvadze2026-07-09
💻 computer science

Deployment Risk Assessment Using Diff-Aware Features: A Case Study at Prime Video

यह शोध पत्र प्राइम वीडियो में कोड परिनियोजन (डिप्लॉयमेंट) जोखिमों की भविष्यवाणी करने के लिए एक गोपनीयता-संरक्षण, भाषा-अज्ञेय (लैंग्वेज-अगनॉस्टिकिक) ढांचे को प्रस्तुत करता है, जो डिफ-अवेयर (diff-aware) विशेषताओं को निकालने के लिए एलएलएम (LLMs) का लाभ उठाता है, यह प्रदर्शित करते हुए कि संरचनात्मक कोड जटिलता वॉल्यूम मेट्रिक्स की तुलना में एक अधिक विश्वसनीय जोखिम संकेतक है और आंतरिक एवं सार्वजनिक दोनों डेटासेटों में उच्च सटीकता प्राप्त करता है।

Mayur Kurup, Hyunjae Suh, Swathi Vaidyanathan, Pranesh Vyas, Srinidhi Madabhushi, Yegor Silyutin2026-07-09
🤖 machine learning

Enhancing deep learning models for time series classification via knowledge distillation

यह शोध पत्र यह प्रदर्शित करता है कि नॉलेज डिस्टिलेशन (knowledge distillation), FCN, Inception और ConvTran आर्किटेक्चर में बड़े टीचर मॉडल्स से छोटे, अधिक कुशल स्टूडेंट मॉडल्स में ज्ञान स्थानांतरित करके टाइम सीरीज़ क्लासिफिकेशन को प्रभावी ढंग से बढ़ाता है, जिससे UCR आर्काइव बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए महत्वपूर्ण पैरामीटर कमी प्राप्त होती है।

Javidan Abdullayev, Maxime Devanne, Jonathan Weber, Germain Forestier2026-07-09
🤖 machine learning

What Predicts Correctness in Text-to-SQL? A Selective-Prediction Study

यह अध्ययन प्रदर्शित करता है कि जहाँ बुनियादी आत्म-संगति (self-consistency) और लॉग-प्रायिकता संकेत 0.68 AUROC की सीमा से परे टेक्स्ट-टू-एसक्यूएल (Text-to-SQL) शुद्धता की भविष्यवाणी करने में संघर्ष करते हैं, वहीं सत्यापन-आधारित दृष्टिकोण—विशेष रूप से लार्ज लैंग्वेज मॉडल जजों के एनसेम्बल्स—बेहतर प्रदर्शन (0.82 AUROC तक) और स्कीमा के across मजबूत सामान्यीकरण प्राप्त करते हैं, जबकि फाइन-ट्यून्ड वेरीफायर अनदेखे स्कीमा पर प्रभावी ढंग से स्थानांतरित होने में विफल रहते हैं।

Robert Richardson2026-07-09
💬 NLP

Ad Headline Generation using Self-Critical Masked Language Model

यह शोध पत्र ट्रांसफॉर्मर-आधारित मास्क्ड लैंग्वेज मॉडल्स पर रीइन्फोर्समेंट लर्निंग पॉलिसी ग्रेडिएंट विधियों को लागू करके उच्च गुणवत्ता वाले ई-कॉमर्स विज्ञापन हेडलाइन्स उत्पन्न करने के लिए एक नवीन प्रोग्रामेटिक समाधान प्रस्तावित करता है, जो व्याकरण संबंधी शुद्धता और रचनात्मक गुणवत्ता दोनों में मौजूदा मॉडल्स और मानव-निर्मित हेडलाइन्स से बेहतर प्रदर्शन करता है।

Yashal Shakti Kanungo, Sumit Negi, Aruna Rajan2026-07-09
🤖 machine learning

Generative Diffusion Models of Stochastic Graph Signals

यह शोध पत्र एक नवीन U-ग्राफ न्यूरल नेटवर्क (U-GNN) आर्किटेक्चर का उपयोग करते हुए एक एकीकृत डिनोइजिंग डिफ्यूजन फ्रेमवर्क पेश करता है जो ग्राफ टोपोलॉजी और नोड फीचर्स दोनों पर आधारित स्टोकेस्टिक ग्राफ सिग्नल उत्पन्न करने के लिए है, जो स्टॉक पूर्वानुमान और वायरलेस रिसोर्स एलोकेशन जैसे मौजूदा ग्राफ मशीन लर्निंग कार्यों की सीमाओं को प्रभावी ढंग से संबोधित करता है।

Yiğit Berkay Uslu, Samar Hadou, Sergio Rozada, Shirin Saeedi Bidokhti, Alejandro Ribeiro2026-07-09