🤖 Category

cs.LG

20876 पेपर

🤖 machine learning

BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems

यह शोध पत्र BOUNDARY_SYNC प्रोटोकॉल और कपलिंग एम्प्लीफिकेशन फैक्टर (CAF) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि मल्टी-एजेंट LLM सिस्टम में इंटर-एजेंट संचार मापने योग्य रिप्रजेंटेशनल कपलिंग को प्रेरित करता है, जहाँ टेक्स्ट संचार होमोजेनाइजेशन (समानता) को संचालित करता है जबकि इमेज संचार विविधीकरण (विविधता) को बढ़ावा दे सकता है, और ये प्रभाव स्टेटलेस हैं तथा प्रॉम्प्ट कॉन्टेक्स्ट के माध्यम से नियंत्रणीय हैं।

Zewen Liu2026-07-03
🤖 machine learning

DeadPool: Resilient LLM Training with Hot-Swapping via Zero-Overhead Checkpoint

DeadPool लार्ज लैंग्वेज मॉडल ट्रेनिंग के लिए एक फॉल्ट-टॉलरेंस फ्रेमवर्क है जो इन-मेमोरी चेकपॉइंटिंग और एक रनटाइम हॉट-स्वैपिंग मैकेनिज्म का उपयोग करके सामान्य संचालन के दौरान शून्य-ओवरहेड निष्पादन और स्थायी नोड विफलताओं से 40 सेकंड से कम में रिकवरी प्राप्त करता है ताकि जॉब को समाप्त किए बिना विफल नोड्स को बदला जा सके।

Haotian Xie, Junlin Chen, Mingkai Zheng, Lishan Yang, Zhao Zhang2026-07-03
🤖 machine learning

UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing

यह शोध पत्र UniWind का प्रस्ताव करता है, जो एक एकीकृत एक-दिवस पूर्व पवन शक्ति पूर्वानुमान मॉडल है जो भौतिकी-आधारित पूर्व सूचनाओं (physics-informed priors) को एक लेटेंट स्टेट एनकोडर के साथ एकीकृत करता है ताकि मौसम संबंधी स्थितियों को परिचालन अवस्थाओं से अलग किया जा सके, जिससे विविध पवन फार्मों में उच्च सटीकता और मजबूती प्राप्त की जा सके।

Ronghui Xu, Tongxin Wu, Guozhen Zhang, Yihan Li, Chenjuan Guo, Bin Yang, Yong Li2026-07-03
🤖 machine learning

SCAPE: Accurate and Efficient LLM Training with Extreme Sparse Communication

SCAPE एक संचार-कुशल वितरित ऑप्टिमाइज़र है जो एडम-शैली के प्रथम-मोमेंट सांख्यिकी का लाभ उठाकर आक्रामक ग्रेडिएंट स्पार्सिफिकेशन (99% तक) को सक्षम करता है, जिससे मॉडल की गुणवत्ता और प्रशिक्षण स्थिरता को बनाए रखते हुए बड़े भाषा मॉडलों के लिए प्री-ट्रेनिंग वॉल-क्लॉक समय और संचार ओवरहेड को महत्वपूर्ण रूप से कम किया जाता है।

Mingkai Zheng, Junlin Chen, Haotian Xie, Zhao Zhang2026-07-03
🤖 machine learning

WARP: Weight-Space Analysis for Recovering Training Data Portfolios

यह शोध पत्र WARP को प्रस्तुत करता है, जो उनके वेट स्पेस (weight space) में ज्यामितीय विशेषताओं का विश्लेषण करके फाउंडेशन मॉडल्स को प्रशिक्षित करने के लिए उपयोग किए गए विशिष्ट डोमेन मिश्रण भार (domain mixture weights) को पुनः प्राप्त करने वाला एक फ्रेमवर्क है, जिससे उन पूर्ववर्ती विधियों की सीमाओं को दूर किया जा सके जो केवल व्यक्तिगत डेटा नमूनों का पता लगा सकती हैं।

Tzu-Heng Huang, Aditya Goyal, John Cooper, Frederic Sala2026-07-03
🤖 machine learning

A Mathematical Introduction to Diffusion Models

यह शोध पत्र शुरुआती स्नातक छात्रों के लिए डिफ्यूजन मॉडल्स का एक प्रमाण-उन्मुख परिचय प्रदान करता है, जो मुख्य परिभाषाओं, प्रतिनिधि अनुमानों और अनुसंधान-स्तरीय प्रमेयों की एक स्तरित प्रस्तुति के माध्यम से शास्त्रीय सैंपलिंग गतिकी से आधुनिक सैंपलर, त्रुटि विश्लेषण और इन्फरेंस-टाइम नियंत्रण तक एक एकीकृत पथ को रेखांकित करता है।

Jianfeng Lu2026-07-03
🤖 AI

COMFYCLAW: Self-Evolving Skill Harnesses for Image Generation Workflows

यह शोधपत्र COMFYCLAW को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) एजेंटिक फ्रेमवर्क है जो निर्माण को टाइप किए गए ग्राफ संपादन (typed graph editing) के रूप में मानकर, मरम्मत के लिए विजन-लैंग्वेज मॉडल सत्यापनकर्ता का उपयोग करके, और पिछले निष्पादन डेटा को प्रगतिशील रूप से प्रकट होने वाली कौशल लाइब्रेरी में संकुचित (distill) करके इमेज जनरेशन वर्कफ़्लो को बढ़ाता है ताकि एजेंट की विश्वसनीयता और प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।

Zongxia Li, Dawei Liu, Fuxiao Liu, Yuhang Zhou, Xiyang Wu, Jingxi Chen, Jing Xie, Xiaomin Wu, Lichao Sun2026-07-03
📊 statistics

Role-Aware Neural Convex Divergence Heads for Asymmetric Representation Learning

यह शोध पत्र एक रोल-अवेयर न्यूरल कॉनवेक्स डायवर्जेंस हेड प्रस्तावित करता है जो रिप्रजेंटेशन लर्निंग में एसिमेट्रिक संबंधों को प्रभावी ढंग से मॉडल करने के लिए इनपुट-कॉन्वेक्स न्यूरल ब्रेगमैन डायवर्जेंस के साथ सोर्स- और टारगेट-रोल प्रोजेक्शन का लाभ उठाता है, जो नॉन-नेगेटिव स्ट्रक्चर्ड स्कोर्स को बनाए रखते हुए सिमेंटिक और ऑन्टोलॉजी बेंचमार्क में दिशात्मक सटीकता में निरंतर सुधार प्रदर्शित करता है।

He Huang, Lu Shen, Yunfeng Huang, Li Qi2026-07-03
🤖 machine learning

Denser ≠\neq Better: Limits of On-Policy Self-Distillation for Continual Post-Training

यह शोध पत्र इस धारणा को चुनौती देता है कि निरंतर पोस्ट-ट्रेनिंग के लिए ऑन-पॉलिसी सेल्फ-डिस्टिलेशन एक बेहतर दृष्टिकोण है, जो SDPO प्रयोगों के माध्यम से यह प्रदर्शित करता है कि जबकि यह इन-डोमेन विशेषज्ञता में तेजी लाता है, यह अक्सर ऑन-पॉलिसी सुदृढीकरण सीखने (रिनफोर्समेंट लर्निंग) की विधियों की तुलना में अधिक पैरामीटर ड्रिफ्ट और प्रवर्धित फॉर्मेटिंग आर्टिफैक्ट्स के कारण अधिक विस्मृति (फॉरगेटिंग) और मॉडल कोलैप्स की ओर ले जाता है।

Meng Wang, Haohan Zhao, Wenzhuo Liu, Lu Yang, Geng Liu, Haiyang Guo, Guo-Sen Xie, Gaofeng Meng, Hongbin Liu, Fei Zhu2026-07-03
🤖 machine learning

Set Diffusion: Interpolating Token Orderings Between Autoregression and Diffusion for Fast and Flexible Decoding

यह शोध पत्र 'सेट डिफ्यूजन' (Set Diffusion) को प्रस्तुत करता है, जो भाषा मॉडलों का एक नया वर्ग है जो मौजूदा ऑटोरिग्रेसिव (autoregressive) और ब्लॉक डिफ्यूजन दृष्टिकोणों की तुलना में तेज़ इन्फरेंस और बेहतर गति-गुणवत्ता ट्रेडऑफ़ प्राप्त करने के लिए KV कैश सपोर्ट के साथ लचीले, मनमाने क्रम वाले टोकन सेट जनरेशन को जोड़ता है।

Marianne Arriola, Volodymyr Kuleshov2026-07-03