🤖 Category

cs.LG

20950 पेपर

📊 statistics

Private Rate-Constrained Optimization with Applications to Fair Learning

यह शोध पत्र RaCO-DP को प्रस्तुत करता है, जो स्टोकेस्टिक ग्रेडिएंट डिसेंट-असेंट (Stochastic Gradient Descent-Ascent) पर आधारित एक डिफरेंशियल प्राइवेट ऑप्टिमाइज़ेशन एल्गोरिदम है, जो गोपनीयता लागतों को प्राइवेट हिस्टोग्राम एस्टीमेशन के स्तर तक कम करके ग्रुप फेयरनेस (group fairness) जैसी दर-प्रतिबंधित (rate-constrained) मशीन लर्निंग समस्याओं को प्रभावी ढंग से हल करता है और मौजूदा विधियों की तुलना में गोपनीयता, उपयोगिता और निष्पक्षता को संतुलित करने में बेहतर प्रदर्शन प्रदर्शित करता है।

Mohammad Yaghini, Tudor Cebere, Michael Menart, Aurélien Bellet, Nicolas Papernot2026-07-01
💬 NLP

From Multimodal Perception to Strategic Reasoning: A Survey on AI-Generated Game Commentary

यह सर्वेक्षण टिप्पणीकार की क्षमताओं पर आधारित एक एकीकृत ढांचे और नवीन वर्गीकरण को पेश करते हुए, एआई-जनित गेम कमेंट्री अनुसंधान की खंडित स्थिति को संबोधित करता है, साथ ही क्षेत्र में भविष्य की प्रगति का मार्गदर्शन करने के लिए विधियों, डेटासेट और मूल्यांकन मेट्रिक्स की एक व्यापक समीक्षा प्रदान करता है।

Qirui Zheng, Xingbo Wang, Keyuan Cheng, Yunlong Lu, Muhammad Asif Ali, Lingfeng Li, Yongyi Wang, Wenxin Li2026-07-01
⚡ electrical engineering

Step-by-Step Video-to-Audio Synthesis via Negative Audio Guidance

यह शोध पत्र एक चरण-दर-चरण वीडियो-से-ऑडियो संश्लेषण विधि का प्रस्ताव करता है जो महंगी मल्टी-रेफरेंस डेटासेट की आवश्यकता के बिना, विशिष्ट और यथार्थवादी ध्वनि घटनाओं को क्रमिक रूप से उत्पन्न करने के लिए नेगेटिव ऑडियो गाइडेंस का लाभ उठाता है, जिससे ध्वनि की पृथक्करणीयता और समग्र ऑडियो गुणवत्ता में वृद्धि होती है।

Akio Hayakawa, Masato Ishii, Takashi Shibuya, Yuki Mitsufuji2026-07-01
⚛️ quantum physics

Quantum Bayesian Networks Can Speed up Reinforcement Learning in Partially Observable Environments

यह शोध पत्र क्वांटम बेयसियन रिइन्फोर्समेंट लर्निंग (QBRL) प्रस्तुत करता है, जो एक हाइब्रिड क्वांटम-क्लासिकल एल्गोरिदम है जो विश्वास अपडेट (belief updates) के लिए क्वांटम रिजेक्शन सैंपलिंग का लाभ उठाकर आंशिक रूप से दृश्य (partially observable) वातावरणों में विरल गतिकी (sparse dynamics) के नियोजन के लिए उप-द्विघाती (sub-quadratic) गति वृद्धि प्राप्त करता है, जबकि यह प्रदर्शित करता है कि ऐसे लाभ पूर्णतः दृश्य (fully observable) परिवेशों या उच्च इन-डिग्री (high in-degree) वाले नेटवर्कों तक विस्तारित नहीं होते हैं।

Gilberto Cunha, Alexandra Ramôa, André Sequeira, Michael de Oliveira, Luís Barbosa2026-07-01
📊 statistics

Physics-Constrained Fine-Tuning of Flow-Matching Models for Generation and Inverse Problems

यह शोध पत्र एक ऐसे ढांचे (framework) को प्रस्तुत करता है जो भौतिक रूप से सुसंगत समाधान उत्पन्न करने और वैज्ञानिक प्रणालियों में व्युत्क्रम समस्याओं (inverse problems) को हल करने के लिए डिफरेंशिएबल PDE रेसिडुअल मिनिमाइजेशन और संयुक्त लेटेंट पैरामीटर ऑप्टिमाइज़ेशन के माध्यम से फ्लो-मैचिंग जनरेटिव मॉडल्स को फाइन-ट्यून करता है।

Jan Tauberschmidt, Sophie Fellenz, Sebastian J. Vollmer, Andrew B. Duncan2026-07-01
🤖 machine learning

One Shot vs. Iterative: Rethinking Pruning Strategies for Model Compression

यह शोध पत्र वन-शॉट (one-shot) और पुनरावृत्ति (iterative) प्रूनिंग रणनीतियों की व्यवस्थित रूप से तुलना करता है, जो यह प्रकट करता है कि वन-शॉट विधियाँ कम प्रूनिंग अनुपात पर उत्कृष्ट होती हैं जबकि पुनरावृत्ति दृष्टिकोण उच्च अनुपातों पर बेहतर होते हैं, जिससे अनुकूलित मॉडल संपीड़न के लिए एक हाइब्रिड दृष्टिकोण और धैर्य-आधारित (patience-based) प्रूनिंग का प्रस्ताव मिलता है।

Mikołaj Janusz, Tomasz Wojnar, Yawei Li, Luca Benini, Kamil Adamczewski2026-07-01
🤖 machine learning

Multipole Semantic Attention: A Fast Approximation of Softmax Attention for Pretraining

यह शोध पत्र मल्टीपोल सेमेंटिक अटेंशन (MuSe) को प्रस्तुत करता है, जो सॉफ्टमैक्स अटेंशन का एक तेज़, ड्रॉप-इन सन्निकटन (approximation) है जो क्वेरीज़ और कीज़ को क्लस्टर करके 64k-कॉन्टेक्स्ट प्रीट्रेनिंग को 36% तक तेज़ करता है, जबकि बेसलाइन प्रदर्शन को बनाए रखता है और ललामा (Llama) जैसे मौजूदा प्रीट्रेन्ड मॉडल्स के साथ तत्काल अनुकूलता सक्षम करता है।

Rupert Mitchell, Kristian Kersting2026-07-01
🤖 machine learning

GraphMend: Code Transformations for Fixing Graph Breaks in PyTorch 2

GraphMend एक कंपाइलर तकनीक है जो PyTorch 2 में फिक्सेबल (fixable) FX ग्राफ ब्रेक्स को समाप्त करने के लिए सोर्स-लेवल ट्रांसफॉर्मेशन को स्वचालित रूप से पहचानती है और उन्हें सिमेंटिक रूप से सुरक्षित रखती है, जिससे बिना किसी मैन्युअल डेवलपर रिफैक्टरिंग के बड़े निर्बाध ग्राफ सक्षम होते हैं और महत्वपूर्ण प्रदर्शन सुधार प्राप्त होते हैं।

Savini Kashmira, Jayanaka Dantanarayana, Thamirawaran Sathiyalogeswaran, Krisztian Flautner, Lingjia Tang, Jason Mars2026-07-01
🤖 machine learning

fev-bench: A Realistic Benchmark for Time Series Forecasting

टाइम सीरीज़ फोरकास्टिंग में मौजूदा मूल्यांकन मानकों की सीमाओं को संबोधित करने के लिए, लेखक fev-bench पेश करते हैं, जो fev पायथन लाइब्रेरी द्वारा समर्थित सात डोमेन में 100 कार्यों का एक व्यापक बेंचमार्क है, जो विश्वसनीय प्रदर्शन तुलना प्रदान करने और भविष्य के अनुसंधान दिशाओं की पहचान करने के लिए सांख्यिकीय रूप से कठोर एकत्रीकरण का उपयोग करता है।

Oleksandr Shchur, Abdul Fatir Ansari, Caner Turkmen, Lorenzo Stella, Nick Erickson, Pablo Guerron, Michael Bohlke-Schnei (…)2026-07-01
🤖 machine learning

Not Every Time and Frequency Need to Be Forgotten in Diffusion Unlearning

यह शोध पत्र डिफ्यूजन मॉडल्स के लिए एक चयनात्मक अनलर्निंग दृष्टिकोण प्रस्तावित करता है जो उनके असमान फॉरगेटिंग डायनेमिक्स के आधार पर विशिष्ट समय और आवृत्ति घटकों को लक्षित करता है, जिससे मौजूदा यूनिफॉर्म विधियों की तुलना में उच्च अनलर्निंग सफलता दर और बेहतर जनरेशन गुणवत्ता प्राप्त होती है।

Jinseong Park, Mijung Park2026-07-01