🤖 machine learning

Aionoscope: Debugging Latent-State Accessibility in Time-Series Representations

यह शोध पत्र Aionoscope को प्रस्तुत करता है, जो एक ऐसा नैदानिक उपकरण (diagnostic tool) है जो टाइम-सीरीज़ मॉडल्स में एक महत्वपूर्ण विसंगति को प्रकट करता है जहाँ लेटेंट रिप्रजेंटेशन (latent representations) सिग्नल घटकों की उपस्थिति को प्रभावी ढंग से तो पकड़ लेते हैं, लेकिन विस्तृत डिबगिंग के लिए आवश्यक सूक्ष्म प्रक्रिया अवस्थाओं जैसे कि समय (timing), फेज़ (phase) और आयाम (amplitude) को संरक्षित करने में विफल रहते हैं।

Alexander Chemeris, Ming Jin, Randall Balestriero2026-07-02
🤖 machine learning

LeNEPA: No-Augmentation Next-Latent Prediction for Time-Series Representation Learning

यह शोध पत्र LeNEPA को प्रस्तुत करता है, जो एक नो-ऑगमेंटेशन नेक्स्ट-लेटेंट प्रेडिक्शन आर्किटेक्चर है जो डोमेन-विशिष्ट ट्यूनिंग की आवश्यकता के बिना विविध डोमेन में सुदृढ़ टाइम-सीरीज सेल्फ-सुपरवाइज्ड लर्निंग प्राप्त करता है, और अर्ली कन्वर्जेंस तथा क्रॉस-डेटासेट जनरलाइजेशन दोनों में फिक्स्ड-रेसिपी बेसलाइन्स से बेहतर प्रदर्शन करता है।

Alexander Chemeris, Ming Jin, Randall Balestriero2026-07-02
⚛️ quantum physics

Bridging Quantum Computing Paradigms toward Semiconductor Yield: A Controlled CV-versus-DV Comparison on Wafer-Map Defect Classification

यह शोध पत्र यह प्रदर्शित करता है कि एक साझा कनवल्शनल बैकबोन का उपयोग करते हुए वेफर-मैप दोष वर्गीकरण के नियंत्रित तुलनात्मक अध्ययन में, निरंतर-चर (CV) क्वांटम न्यूरल नेटवर्क अपने डिस्क्रीट-वेरिएबल (DV) समकक्षों की तुलना में काफी बेहतर प्रदर्शन करते हैं—विशेष रूप से स्थानिक रूप से स्थानीयकृत दोषों को पहचानने में—जो उनकी श्रेष्ठ निरूपण क्षमता और निरंतर चरण-स्थान एन्कोडिंग के कारण है, भले ही दोनों क्वांटम दृष्टिकोण वर्तमान में क्लासिकल बेसलाइन से पीछे हैं।

Yeonhong Kim, Jonghyeok Im, Monu Nath Baitha, Kyoungsik Kim2026-07-02
🤖 machine learning

Logit-Contribution Scoring Identifies Non-Literal Retrieval Heads

यह शोध पत्र लॉजिट-कॉन्ट्रिब्यूशन स्कोरिंग (LOCOS) प्रस्तुत करता है, जो एक नवीन विधि है जो बड़े भाषा मॉडलों में गैर-शाब्दिक रिट्रीवल हेड्स (non-literal retrieval heads) की पहचान करने के लिए उनके आउटपुट-वैल्यू सर्किट के उत्तर टोकन में योगदान को मापती है, और यह प्रदर्शित करती है कि इन विशिष्ट हेड्स को एब्लेट (ablate) करने से अन्य क्षमताओं को सुरक्षित रखते हुए लॉन्ग-कॉन्टेक्स्ट सिंथेसिस प्रदर्शन में महत्वपूर्ण गिरावट आती है।

Aryo Pradipta Gema, Beatrice Alex, Pasquale Minervini2026-07-02
🤖 machine learning

Generative Model Proposal based Particle Filtering for Data Assimilation

यह शोध पत्र फ्लो प्रपोजल पार्टिकल फिल्टर्स (FPPF) को प्रस्तुत करता है, जो एक नवीन डेटा आत्मसातीकरण (डेटा एसिमिलेशन) विधि है जो इष्टतम प्रपोजल वितरण का अनुमान लगाने के लिए एक सीखे हुए कंडीशनल जेनेरेटिव मॉडल का लाभ उठाता है, जिससे वेट वेरिएंस कम होता है और उन उच्च-आयामी, गैर-रेखीय और गैर-गॉसियन प्रणालियों में सटीक बायेसियन अपडेट सक्षम होता है जहाँ पारंपरिक पार्टिकल फिल्टर्स और जेनेरेटिव दृष्टिकोण आमतौर पर विफल हो जाते हैं।

Chandni Nagda, Mayank Shrivastavam Gudrun Thorkelsdottir, Gan Zhang, Morteza Mardani, Arindam Banerjee2026-07-02
🔬 applied physics

How Much Do RF Drone Benchmarks Overstate? A Controlled Study and Theory of Data Leakage in UAV Signal Identification

यह शोध पत्र यह प्रदर्शित करता है कि RF-आधारित ड्रोन पहचान में उच्च रिपोर्ट की गई सटीकता अक्सर डेटा लीकेज के कारण काफी बढ़ा-चढ़ाकर बताई जाती है, जो निरंतर रिकॉर्डिंग को क्रॉस-वैलिडेशन के लिए खंडों (सेगमेंट) में विभाजित करने से उत्पन्न होती है, एक ऐसी त्रुटि जो मॉडलों को सामान्यीकरण योग्य सिग्नल विशेषताओं को सीखने के बजाय रिकॉर्डिंग-विशिष्ट आर्टिफैक्ट्स को याद करने की अनुमति देती है, जैसा कि सैद्धांतिक विश्लेषण और अनुभवजन्य परिणामों द्वारा प्रमाणित होता है जो यह दर्शाते हैं कि उचित रिकॉर्डिंग-समूहबद्ध मूल्यांकन लागू करने पर प्रदर्शन गिरकर संयोग (चांस) के स्तर पर आ जाता है।

David Shulman2026-07-02
🤖 machine learning

The Model Organism Lottery: Model Organism Interpretability Strongly Depends on Training Methodology

यह शोध पत्र यह प्रदर्शित करता है कि व्हाइट-बॉक्स तकनीकों का परीक्षण करने के लिए उपयोग किए जाने वाले मॉडल ऑर्गेनिज्म की व्याख्यात्मकता (interpretability) प्रशिक्षण पद्धति पर अत्यधिक निर्भर है, जहाँ अधिक यथार्थवादी एकीकृत प्रशिक्षण अक्सर मानक पोस्ट-हॉक विधियों की तुलना में कम व्याख्या योग्य मॉडल उत्पन्न करता है, जिससे व्याख्यात्मकता के मूल्यांकन के लिए विश्वसनीय प्रॉक्सी के रूप में वर्तमान मॉडल ऑर्गेनिज्म की वैधता को चुनौती मिलती है।

Andrzej Szablewski, Gabriel Konar-Steenberg, Raffaello Fornasiere, Nikita Menon, Stefan Heimersheim2026-07-02
🤖 machine learning

Message Passing Enables Efficient Reasoning

यह शोध पत्र मैसेज पासिंग लैंग्वेज मॉडल्स (MPLMs) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो हल्के प्रिमिटिव्स के माध्यम से प्रत्यक्ष इंटर-थ्रेड संचार सक्षम करके LLM तर्क दक्षता को बढ़ाता है, जिससे संदर्भ अतिरेक कम होता है और आशाजनक न दिखने वाली शाखाओं को समय से पहले समाप्त करने की अनुमति मिलती है ताकि सुडोकू और 3-SAT जैसे जटिल कार्यों पर पारंपरिक अनुक्रमिक और फोर्क-जॉइन दृष्टिकोणों से बेहतर प्रदर्शन किया जा सके।

Xuecheng Liu, Daman Arora, Gokul Swamy, Andrea Zanette2026-07-02
🤖 machine learning

Balancing Expressivity and Learnability in Quantum Kernel Bandit Optimization

यह शोध पत्र गॉसियन प्रोसेस बैंडिट ऑप्टिमाइज़ेशन में अभिव्यंजकता (expressivity) और सीखने की क्षमता (learnability) के बीच संतुलन बनाने के लिए प्रक्षिप्त (projected) और अनुमानित (approximated) क्वांटम कर्नेल्स का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि फीचर आयामीयता (feature dimensionality) को कम करने से पूर्ण क्वांटम कर्नेल्स की उच्च रिग्रेट (regret) और कम्प्यूटेशनल लागतों को कम किया जा सकता है और साथ ही NISQ-युग के अनुप्रयोगों के लिए उनके लाभों को भी सुरक्षित रखा जा सकता है।

Yuqi Huang, Vincent Y. F. Tan, Sharu Theresa Jose2026-07-02
🤖 machine learning

Staleness-Learning Rate Scaling Laws for Asynchronous RLHF

यह शोध पत्र O(Sη)O(S \cdot \eta) के क्रम के प्रति-चरण ग्रेडिएंट बायस (per-step gradient bias) को व्युत्पन्न करके और रोलआउट लैग (rollout lag) तथा संचयी लर्नर ड्रिफ्ट (cumulative learner drift) पर आधारित लर्निंग रेट के लिए एक दो-प्रतिबंध स्थिरता स्थिति (two-constraint stability condition) को परिभाषित करने वाले एक सशर्त कोलैप्स-टाइम स्केलिंग लॉ (conditional collapse-time scaling law) को स्थापित करके, एसिंक्रोनस GRPO-आधारित RLHF में स्टेल रोलआउट्स (stale rollouts) के प्रभाव का विश्लेषण करता है।

Jingwei Song, Haofeng Xu, Jie Xiao, Chengke Bao, Jingwei Shi, Pengbin Feng, Weixun Wang, Yuhang Han, Chuan Wu, Linfeng Z (…)2026-07-02