🤖 Category

cs.LG

20950 पेपर

💻 computer science

Harnessing the Latent Space: From Steering Vectors to Model Calibrators for Control and Trust

यह शोध पत्र व्यवहार नियंत्रण के लिए स्टीयरिंग वेक्टर्स (steering vectors) के माध्यम से उनके लेटेंट स्पेस (latent spaces) का उपयोग करने और आउटपुट विश्वसनीयता के लिए लेटेंट स्पेस-आधारित कैलिब्रेटर्स (latent space-based calibrators) के माध्यम से उनके लेटेंट स्पेस का लाभ उठाने की विधियों का प्रस्ताव करके लार्ज लैंग्वेज मॉडल्स (large language models) में नियंत्रण और विश्वास की बढ़ती आवश्यकता को संबोधित करता है।

Nishant Subramani2026-07-02
🤖 machine learning

SNAP-FM: Sparse Nonlinear Accelerated Projection for Physics-Constrained Generative Modeling

यह शोधपत्र SNAP-FM को प्रस्तुत करता है, जो भौतिकी-प्रतिबंधित जनरेटिव मॉडलिंग (physics-constrained generative modeling) को बाधा संतुप्ति (constraint satisfaction) से समझौता किए बिना त्वरित करने के लिए GPU-आधारित नॉनलीनियर ऑप्टिमाइज़ेशन में ब्लॉक-स्पार्स संरचनाओं का लाभ उठाने हेतु ExaModels.jl और MadNLP.jl का उपयोग करता है।

Alaina Kolli, Theodoros Xenakis, Utkarsh Utkarsh, Pengfei Cai, Rafael Gomez-Bombarelli, Alan Edelman, Christopher Vincen (…)2026-07-02
🤖 machine learning

SemiScope: Disentangling Classifier Tuning and Joint Optimization in Semi-Supervised Security Classification

यह शोधपत्र SemiScope को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि बाइनरी टैबुलर सुरक्षा वर्गीकरण (binary tabular security classification) के लिए, सेमी-सुपरवाइज्ड लर्निंग पाइपलाइनों के जटिल संयुक्त अनुकूलन (complex joint optimization) को दिए जाने वाले प्रदर्शन लाभ मुख्य रूप से डाउनस्ट्रीम क्लासिफायर और निर्णय थ्रेशोल्ड (decision threshold) को ट्यून करने से प्रेरित होते हैं, जो यह सुझाव देता है कि लगभग सुपरवाइज्ड प्रदर्शन प्राप्त करने के लिए सेल्फ-ट्रेनिंग के साथ क्लासिफायर हाइपरपैरामीटर ऑप्टिमाइज़ेशन का एक सरल नुस्खा पर्याप्त है।

Rui Shu, Tianpei Xia, Jingzhu He2026-07-02
🤖 machine learning

A Filtered Mixture-of-Generators for Fully Synthetic Survival Training

यह शोध पत्र FoGS को प्रस्तुत करता है, जो एक नवीन ढांचा है जो सर्वाइवल एनालिसिस (survival analysis) को डेटा-दुर्लभ नैदानिक सेटिंग्स में सुधारता है, जो सर्वाइवल मॉडल्स के एक समूह का उपयोग करके विविध जनरेटरों के पूल से सिंथेटिक नमूनों को फ़िल्टर करता है, जिससे गोपनीयता बनाए रखते हुए वास्तविक डेटा पर प्रशिक्षण के बराबर या उससे बेहतर प्रदर्शन प्राप्त होता है।

Niccolò Maria Rizzi, Eugenio Lomurno, Alberto Archetti, Matteo Matteucci2026-07-02
🤖 machine learning

GRPO, Dr. GRPO, and DAPO Are Three Operations on One Number: The Group-Standard-Deviation Identity

यह शोध पत्र प्रकट करता है कि GRPO, Dr. GRPO, और DAPO अलग-अलग विधियाँ नहीं हैं, बल्कि एक ही अंतर्निहित तंत्र के तीन विशिष्ट विन्यास (configurations) हैं: बाइनरी रिवॉर्ड्स का ग्रुप स्टैंडर्ड डेविएशन, जो प्रशिक्षण अपडेट के परिमाण को निर्देशित करता है और यह निर्धारित करता है कि कौन सी समस्याएँ प्रभावी रूप से सीखने में योगदान देती हैं।

Yong Yi Bay, Kathleen A. Yearick2026-07-02
🤖 machine learning

FRAME: Learning the Adaptation Domain with a Mixture of Fractional-Fourier Experts

यह शोधपत्र FRAME प्रस्तुत करता है, जो एक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो एक स्थानिक-स्पेक्ट्रल निरंतरता (spatial-spectral continuum) के माध्यम से अपडेट को गतिशील रूप से अनुकूलित करने के लिए सीखने योग्य फ्रैक्शनल-फूरियर ऑर्डर्स (fractional-Fourier orders) के साथ 'मिक्सचर ऑफ एक्सपर्ट्स' का उपयोग करता है, जिससे मौजूदा LoRA और स्पेक्ट्रल बेसलाइन की तुलना में बेहतर प्रदर्शन और कम हस्तक्षेप प्राप्त होता है।

Tom Saliencro, Maya Lindqvist, Rohan Desai, Priya Nair, Daniel Whitmore2026-07-02
🤖 machine learning

TallyTrain: Communication-Efficient Federated Distillation

TallyTrain एक संचार-कुशल फेडेरेटेड लर्निंग प्रोटोकॉल है जो पूर्ण सॉफ्ट-लेबल वेक्टर्स के बजाय केवल argmax क्लास इंडेक्स को ट्रांसमिट करके बैंडविड्थ उपयोग को नाटकीय रूप से कम कर देता है, जबकि साथ ही बहुमत मतदान (majority voting) के माध्यम से नॉन-IID डेटा के प्रति मजबूती में सुधार करता है और एक बैंडविड्थ-ब्रिज वेरिएंट प्रदान करता है जो FedAvg और FedDF जैसे मानक बेसलाइन से बेहतर प्रदर्शन करता है।

Radhakrishna Achanta, Will Reed2026-07-02
🤖 machine learning

Steal the Patch Size: Adversarially Manipulate Vision-Language Models

यह शोध पत्र "Steal the Patch Size" को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स हमला है जो विजन-लैंग्वेज मॉडल्स में टास्क-लेवल साइड-चैनल एक्यूरेसी ड्रॉप्स का फायदा उठाकर प्राइवेट टोकेनाइज़र कॉन्फ़िगरेशन, जैसे कि पैच साइज और प्रीप्रोसेसिंग पाइपलाइन्स को रिकवर करता है, जिससे लक्षित प्रतिकूल हेरफेर (एडवर्सरियल मैनिपुलेशन) सक्षम होता है।

Kai Hu, Akash Bharadwaj, Weichen Yu, Matt Fredrikson2026-07-02
🤖 machine learning

Play Like Champions: Counterfactual Feedback Generation in Latent Space

यह शोध पत्र "लेटेंट मैप्स ऑफ परफॉरमेंस" (Latent Maps of Performance) प्रस्तुत करता है, जो एक गाइडेड वेरिएशनल ऑटोएन्कोडर (Guided Variational-Autoencoder) का उपयोग करता है जिसे पेशेवर स्टारक्राफ्ट II (StarCraft II) रिप्लेज़ पर प्रशिक्षित किया गया है ताकि क्रियाशील, बहु-चरणीय काउंटरफैक्चुअल फीडबैक प्रक्षेपवक्र (counterfactual feedback trajectories) उत्पन्न किए जा सकें जो विशेषज्ञ व्यवहार के सीखे गए लेटेंट स्पेस (latent space) में भ्रमण करके शौकिया खिलाड़ियों को जीतने वाली कॉन्फ़िगरेशन की ओर निर्देशित करते हैं।

Andrzej Białecki, Adam Mastalerz, Han Zhou2026-07-02
🤖 machine learning

StateFlow: Dual-State Recurrent Modeling for Long-Horizon Time Series Forecasting

StateFlow एक द्वैत-अवस्था पुनरावर्ती पूर्वानुमान ढांचा (dual-state recurrent forecasting framework) है जो लंबी अवधि के टाइम सीरीज़ पूर्वानुमान के लिए वेरिएबिलिटी-अवेयर रिकर्सिव न्यूरल नेटवर्क (VARNN) का विस्तार करता है, जो दो-चरणीय अनुकूलन रणनीति के माध्यम से प्राथमिक टेम्पोरल डायनेमिक्स और संरचित अवशिष्ट त्रुटियों (structured residual errors) को संयुक्त रूप से मॉडल करता है, और एक संक्षिप्त, रैखिक-पुनरावर्ती डिज़ाइन के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।

Haroon Gharwi, Yue Dai, Kai Shu2026-07-02