🤖 Category

cs.LG

21502 पेपर

🤖 machine learning

Ask the Right Comparison:Bias-Aware Bayesian Active Top-kk Ranking with LLM Judges

यह शोध पत्र एक बायस-अवेयर (bias-aware) बेयसियन फ्रेमवर्क को टॉप-kk-फोकस्ड एक्टिव एक्विजिशन रणनीति के साथ प्रस्तावित करता है ताकि शोरयुक्त और पक्षपाती (biased) एलएलएम (LLM) जजों से सर्वश्रेष्ठ kk वस्तुओं की सटीक पहचान की जा सके, जो यह प्रदर्शित करता है कि जज-विशिष्ट पूर्वाग्रहों (जैसे वर्बोसिटी और पोजीशन इफेक्ट्स) को स्पष्ट रूप से मॉडल करना, नैइव एग्रीगेशन या मानक एक्टिव लर्निंग विधियों की तुलना में रैंकिंग गुणवत्ता और दक्षता में महत्वपूर्ण सुधार करता है।

Jian Xu, Delu Zeng, John Paisley, Qibin Zhao2026-07-03
⚡ electrical engineering

Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health

यह अध्ययन DIXON MRI में संपूर्ण-लिंग ऊतक (whole-penis tissue) के स्वचालित, प्रेक्षक-स्तर (observer-level) की सटीक सेग्मेंटेशन को प्राप्त करने के लिए एक 3D nnU-Net आर्किटेक्चर का उपयोग करते हुए एक डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है, जो पुनरुत्पादक पुरुष प्रजनन स्वास्थ्य फेनोटाइपिंग के लिए 34,412 UK बायोबैंक प्रतिभागियों में आंतरिक और बाहरी लिंग शरीर रचना विज्ञान (anatomy) को मापने के लिए इस पद्धति को सफलतापूर्वक स्केल करता है।

Jan Ernsting, Gunnar Paul Kordes, Nils Johannaber, Lynn Ogoniak, Wolfgang Roll, Tim Hahn, Alexander Siegfried Busch, Ben (…)2026-07-03
🤖 machine learning

AbsoluteDegradation: A Physics-Inspired Synthetic Film-Degradation Pipeline and Archival Film Restoration Benchmark

यह शोधपत्र AbsoluteDegradation को प्रस्तुत करता है, जो एक भौतिकी-प्रेरित सिंथेटिक पाइपलाइन और एक बड़े पैमाने का वास्तविक-विश्व बेंचमार्क है जिसे आर्काइवल फिल्म बहाली (archival film restoration) में युग्मित प्रशिक्षण डेटा (paired training data) और मानकीकृत मूल्यांकन की कमी को दूर करने के लिए डिज़ाइन किया गया है, जो यह प्रदर्शित करता है कि इस दृष्टिकोण के साथ प्रशिक्षित मॉडल वास्तविक फुटेज के प्रति बेहतर सामान्यीकरण प्राप्त करते हैं।

Mikołaj Jastrzębski, Dawid Glinkowski, Dawid Zieliński, Daniel Borkowski, Wojciech Kozłowski, Kamil Adamczewski2026-07-03
⚡ electrical engineering

ART for Diffusion Sampling: Continuous-Time Control and Actor-Critic Learning

यह शोध पत्र एडेप्टिव रीपैरामीटराइज्ड टाइम (ART) और इसके रीइन्फोर्समेंट लर्निंग-आधारित सॉल्वर ART-RL का प्रस्ताव करता है, जो एक निरंतर-समय नियंत्रण ढांचा (continuous-time control framework) है जो डिफ्यूजन सैंपलिंग के लिए इष्टतम, एडेप्टिव टाइमस्टेप शेड्यूल्स को सीखता है ताकि अंतर्निहित मॉडल को संशोधित किए बिना विभिन्न बजटों और पाइपलाइनों में सैंपल गुणवत्ता और सामान्यीकरण (generalization) में महत्वपूर्ण सुधार किया जा सके।

Yilie Huang, Wenpin Tang, Xun Yu Zhou2026-07-03
🤖 machine learning

Tight Lower Bounds for the Multi-Secretary Problem via Bellman Certificates

यह शोध पत्र यह स्थापित करता है कि सपोर्ट अंतराल (support gaps) वाले सीमित-घनत्व वितरणों (bounded-density distributions) वाले मल्टी-सेक्रेटरी समस्या के रिग्रेट (regret) में अतिरिक्त लॉगरिदमिक कारक आवश्यक है, जो बेलमैन प्रमाणपत्रों (Bellman certificates) का उपयोग करके स्पष्ट प्रति-उदाहरणों (counterexamples) का निर्माण करके ऐसे अंतराल वाले उदाहरणों के लिए एक सटीक Ω((log⁡T)2)\Omega((\log T)^2) निचली सीमा (lower bound) को सिद्ध करता है।

Jiawei Zhang2026-07-03
🤖 AI

A rubric-based controlled comparison of frontier language models on expert-authored clinical reasoning tasks

यह शोध पत्र पांच कठिन नैदानिक परिदृश्यों के एक छोटे, विशेषज्ञ-लिखित डेटासेट को प्रस्तुत करता है जिसका परमाणु, भारित रूब्रिक्स (atomic, weighted rubrics) के माध्यम से मूल्यांकन किया गया है, जो यह प्रकट करता है कि फ्रंटियर लैंग्वेज मॉडल्स (GPT-5.4, Claude Opus 4.7, और Gemini 3.1 Pro) कम जोखिम वाले मदों पर मजबूत प्रदर्शन के बावजूद उच्च-जोखिम वाले नैदानिक मानदंडों के साथ महत्वपूर्ण रूप से संघर्ष करते हैं, जबकि ऐसे मूल्यांकनों के लिए विश्वसनीय स्वचालित ग्रेडर के रूप में LLMs के उपयोग की व्यवहार्यता को प्रदर्शित करते हैं।

Samiha A. Ismail, Fan X. Chen, Ali Merali2026-07-03
🤖 machine learning

Privacy-Preserving and Verifiable Approximate Distributed Coded Computing

यह शोध पत्र एक मॉडल-अज्ञेय ढांचा (model-agnostic framework) प्रस्तावित करता है जो गोपनीयता-संरक्षण कोडित कंप्यूटिंग (GPBACC) को सुदृढ़ एकत्रीकरण और सत्यापन तकनीकों के साथ एकीकृत करता है ताकि फेडरेटेड और विकेंद्रीकृत मशीन लर्निंग दोनों परिवेशों में गोपनीयता रिसाव और दुर्भावनापूर्ण व्यवहार, दोनों से एक साथ रक्षा की जा सके।

Xavier Martínez-Luaña, Alba Gude-Santos, Manuel Fernández-Veiga, Rebeca P. Díaz-Redondo2026-07-03
🔬 physics

An Optimisation Framework for the Well-Conditioned Training of Physics-Informed Neural Networks

यह शोध पत्र DSGNAR को पेश करता है, जो एक स्केलेबल सेकंड-ऑर्डर ऑप्टिमाइज़ेशन फ्रेमवर्क है जो विभिन्न आंशिक अवकल समीकरण (PDE) समस्याओं में अभूतपूर्व सटीकता और गति प्राप्त करने के लिए फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स (PINNs) के इल-कंडीशन्ड लॉस लैंडस्केप्स पर विजय प्राप्त करता है, और अक्सर अत्याधुनिक परिणामों से कई गुना बेहतर प्रदर्शन करता है।

Joseph Webb, Sadok Jerad, Coralia Cartis2026-07-03
🤖 machine learning

Online Resource Allocation with Continuous Random Consumption: Regret under Degeneracy

यह शोध पत्र यह स्थापित करता है कि निरंतर यादृच्छिक उपभोग (continuous random consumption) और संभावित रूप से डिजेनेरेट फ्लूइड रिलैक्सेशन (degenerate fluid relaxations) वाले ऑनलाइन संसाधन आवंटन में, प्राप्त होने वाला रिग्रेट (regret) एक सक्रिय भारित-द्रव्यमान घातांक (active weighted-mass exponent) pp द्वारा नियंत्रित होता है, जहाँ एक सैंपल-पाथ मार्जिनल पॉलिसी (sample-path marginal policy) p>1p > 1 के लिए O~(T1/2−1/(2p))\tilde{O}(T^{1/2 - 1/(2p)}) और p=1p = 1 के लिए O((log⁡T)2)O((\log T)^2) का एक टाइट बाउंड प्राप्त करती है, जिससे फ्लूइड नॉन-डिजेनेरेसी धारणाओं (fluid non-degeneracy assumptions) की आवश्यकता के बिना सब-स्क्वायर-रूट रिग्रेट (sub-square-root regret) प्राप्त किया जाता है।

Jiawei Zhang2026-07-03
⚡ electrical engineering

Fourier Preconditioning for Neural Feature Learning

यह शोध पत्र H-Score-आधारित फीचर लर्निंग नेटवर्क के लिए एक प्रशिक्षण-मुक्त प्रीकंडीशनर के रूप में फास्ट फूरियर ट्रांसफॉर्म (FFT) का उपयोग करने का प्रस्ताव देता है, जो यह प्रदर्शित करता है कि भविष्य कहने वाली निर्भरता को केंद्रित करने के लिए स्पेक्ट्रल संरचना का लाभ उठाना एम्बेडिंग की गुणवत्ता में महत्वपूर्ण सुधार करता है और कम-डेटा वाले परिदृश्यों में त्रुटि को कम करता है, साथ ही ऐसे स्पेक्ट्रल प्रीकंडीशनिंग की प्रभावकारिता का पूर्वानुमान लगाने के लिए मेट्रिक्स भी प्रस्तुत करता है।

Preston Pitzer, Anish Pradhan, Harpreet S. Dhillon2026-07-03