🧬 biology

Neural spectroscopy of AlphaFold2 reveals encoded protein conformational landscapes

यह शोध पत्र "न्यूरल स्पेक्ट्रोस्कोपी" प्रस्तुत करता है, जो अल्फाफोल्ड2 (AlphaFold2) के भार (weights) को विक्षोभित करने के लिए स्केल्ड गॉसियन कनवल्शन (scaled Gaussian convolution) का उपयोग करने वाला एक प्रोटोकॉल है, जो यह प्रकट करता है कि मॉडल के पैरामीटर इसके स्थिर संरचना भविष्यवाणी प्रशिक्षण के उभरते उपोत्पादों के रूप में भौतिक रूप से यथार्थवादी प्रोटीन विन्यास परिदृश्य (conformational landscapes) और फोल्डिंग पथों को अंतर्निहित रूप से कूटबद्ध करते हैं।

Kaustav Mehta2026-07-20
🤖 machine learning

DADiff: Diffusion-Driven Cross-Domain Policy Adaptation for Reinforcement Learning

DADiff एक डिफ्यूजन-संचालित ढांचा है जो ऑनलाइन क्रॉस-डोमेन पॉलिसी अनुकूलन के लिए जनरेटिव ट्रेजेक्टरी विसंगतियों के माध्यम से डायनेमिक्स मिसमैच का अनुमान लगाता है ताकि प्रभावी रिवॉर्ड संशोधन या डेटा चयन को सक्षम बनाया जा सके, जिससे यह महत्वपूर्ण डोमेन शिफ्ट वाले वातावरणों में मौजूदा तरीकों से बेहतर प्रदर्शन करता है।

Hanyang Chen, Anirudh Satheesh, Longchao Da, Hua Wei2026-07-20
🤖 machine learning

The Honest Quorum Problem: Epistemic Byzantine Fault Tolerance for Agentic Infrastructure

यह शोध पत्र एपिस्टेमिक बायज़ेंटाइन फॉल्ट टॉलरेंस (EBFT) प्रस्तुत करता है, जो एजेंटिक इंफ्रास्ट्रक्चर के लिए एक नया कंसेंसस फ्रेमवर्क है जो प्रोटोकॉल-अनुपालन एजेंटों के बीच सह-संबंधित तर्क त्रुटियों (correlated reasoning errors) को ध्यान में रखने के लिए पारंपरिक फॉल्ट टॉलरेंस का विस्तार करके "ऑनेस्ट कोरम प्रॉब्लम" को संबोधित करता है, जिससे अमान्य एंडोर्समेंट और अनुपयोगी सपोर्ट पर कॉन्फिडेंस-इंडेक्स्ड बाउंड्स के माध्यम से सिमेंटिक वैधता और लाइवनेस सुनिश्चित की जाती है।

Jun He, Deying Yu2026-07-20
🤖 AI

CRAFT: Clustering Rubrics to Diagnose Weak LLM Capabilities and Generate Targeted Fine-Tuning Data

यह शोध पत्र CRAFT को प्रस्तुत करता है, जो एक ऐसी विधि है जो रूब्रिक-आधारित मूल्यांकनों को एक पदानुक्रमित क्षमता वृक्ष (hierarchical capability tree) में परिवर्तित करती है ताकि विशिष्ट मॉडल कमजोरियों का निदान किया जा सके और लक्षित फाइन-ट्यूनिंग डेटा उत्पन्न किया जा सके, जिसके परिणामस्वरूप मौजूदा क्लस्टरिंग और रैंडम जनरेशन बेसलाइन की तुलना में वित्त और कानूनी डोमेन में मापने योग्य बेहतर प्रदर्शन प्राप्त होता है।

Vipul Gupta, Zihao Wang, Razvan-Gabriel Dumitru, MohammadHossein Rezaei, Aakash Sabharwal, Yunzhong He2026-07-20
🤖 machine learning

Improving Improved Kernel PLS

यह शोध पत्र इम्प्रेव्ड कर्नेल पार्शियल लीस्ट स्क्वायर्स (IKPLS) एल्गोरिदम में X\mathbf{X} रोटेशन्स और Y\mathbf{Y} लोडिंग्स की गणना के लिए अनुकूलित रणनीतियों को प्रस्तुत करता है जो सटीक संख्यात्मक परिणामों को सुरक्षित रखते हुए महत्वपूर्ण गति वृद्धि प्राप्त करने के लिए आधुनिक हार्डवेयर पैरेललिज्म और गणितीय तुल्यता का लाभ उठाते हैं, जिन्हें ओपन-सोर्स पायथन पैकेज `ikpls` में कार्यान्वित किया गया है।

Ole-Christian Galbo Engstrøm2026-07-20
💬 NLP

An Exam for Active Observers

यह शोध पत्र ActiveVision को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि वर्तमान मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में सक्रिय दृश्य अवलोकन (active visual observation) करने की क्षमता मौलिक रूप से नहीं है, जैसा कि मानव प्रदर्शन की तुलना में पुनरावृत्ति संबंधी धारणा (iterative perception) की आवश्यकताओं वाले कार्यों पर उनकी लगभग पूर्ण विफलता से सिद्ध होता है।

Jiarui Zhang, Muzi Tao, Shangshang Wang, Ollie Liu, Xuezhe Ma, Willie Neiswanger2026-07-20
🤖 machine learning

When Does Muon Help Agentic Reinforcement Learning?

यह शोध पत्र यह प्रदर्शित करता है कि Group-in-Group Policy Optimization के दौरान विशेष रूप से हिडन वेट मैट्रिसेस (hidden weight matrices) पर Muon ऑप्टिमाइज़र लागू करना, स्पार्स-रिवॉर्ड एजेंटिक आरएल (sparse-reward agentic RL) कार्यों में AdamW की तुलना में काफी बेहतर प्रदर्शन करता है, जहाँ प्रदर्शन में होने वाली वृद्धि एडवांटेज एस्टीमेटर (advantage estimator), लर्निंग रेट और पॉलिसी ऑप्टिमाइज़ेशन रणनीति के बीच परस्पर क्रिया पर अत्यधिक निर्भर करती है।

Kai Ruan, Jinghao Lin, Zihe Huang, Ziqi Zhou, Qianshan Wei, Xuan Wang, Hao Sun2026-07-20
📊 statistics

Cluster-Aware Matching via Laplacian Optimal Transport

यह शोध पत्र लैपलेसियन ऑप्टिमल ट्रांसपोर्ट (LapOT) का प्रस्ताव करता है, जो क्लस्टर-जागरूक मिलान प्राप्त करने के लिए क्वाड्रेटिक लैपलेसियन टर्म्स के साथ ऑप्टिमल ट्रांसपोर्ट को नियमित करने के लिए एक नवीन फ्रेमवर्क है और अंतर्निहित क्लस्टर संरचनाओं वाले पॉइंट क्लाउड्स में सुसंगत विभाजन उत्पन्न करने के लिए रिफाइंड सिमल्टेनियस क्लस्टरिंग (RSC) को पेश करता है।

Gabriel Samberg, YoonHaeng Hur, Yuehaw Khoo, Nir Sharon2026-07-20
🤖 machine learning

PagedWeight: Efficient MoE LLM Serving with Dynamic Quality-Aware Weight Quantization

PagedWeight एक नवीन MoE LLM सर्विंग फ्रेमवर्क है जो विशेषज्ञ परिशुद्धता (expert precision) और KV कैश की मांगों के बीच संतुलन बनाने के लिए रनटाइम पर मॉडल वेट्स को गतिशील रूप से क्वांटाइज़ करता है, जिससे FP16-तुल्य सटीकता बनाए रखते हुए 72% तक GPU मेमोरी की बचत और 1.94x थ्रूपुट सुधार प्राप्त होता है।

Yuchen Yang, Yifan Zhao, Anisha Dasgupta, Sasa Misailovic2026-07-20
📊 statistics

Cross-Cluster Weighted Forests

यह शोध पत्र क्रॉस-क्लस्टर वेटेड फॉरेस्ट (CCWF) को प्रस्तुत करता है, जो एक नवीन एनसेम्बलिंग विधि है जो प्रशिक्षण नमूनों को क्लस्टर करके, प्रत्येक क्लस्टर के लिए व्यक्तिगत रैंडम फॉरेस्ट्स को फिट करके, और उन्हें भारित प्रतिगमन (weighted regression) के माध्यम से संयोजित करके विषम जैविक डेटा में भविष्यवाणी सटीकता और सामान्यीकरण क्षमता में सुधार करती है, जिससे यह पूर्वाग्रह को कम करके मानक रैंडम फॉरेस्ट्स से बेहतर प्रदर्शन करती है।

Maya Ramchandran, Rajarshi Mukherjee, Giovanni Parmigiani2026-07-17