cs.LG पेपर | Gist.Science

When are likely answers right? On Sequence Probability and Correctness in LLMs

यह शोध पत्र बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में अनुक्रम प्रायिकता (सीक्वेंस प्रोबेबिलिटी) और शुद्धता के बीच संबंध की जांच करता है, जिसमें यह पाया गया है कि हालांकि एक निश्चित डेटासेट के भीतर उच्च प्रायिकता अक्सर शुद्धता का पूर्वानुमान लगाती है, लेकिन यह डिकोडिंग पद्धति के परिवर्तनों के माध्यम से सटीकता में सुधार करने या एक ही प्रॉम्प्ट के लिए सही प्रतिक्रियाओं के बीच अंतर करने के लिए एक विश्वसनीय संकेतक नहीं है।

Johannes Zenn, Jonas Geiping2026-06-26

🤖 machine learning

A stability theorem for bigraded persistence barcodes

यह शोध पत्र वियेटोरिस-रिप्स फिल्ट्रेशन (Vietoris-Rips filtrations) से जुड़े मोमेंट-एंगल कॉम्प्लेक्स (moment-angle complexes) की साधारण और दोहरी होमोलॉजी (ordinary and double homology) का लाभ उठाते हुए, परिमित स्यूडो-मेट्रिक स्पेस (finite pseudo-metric spaces) के लिए बिग्रेडेड पर्सिस्टेंट होमोलॉजी मॉड्यूल (bigraded persistent homology modules) और बारकोड पेश करता है, और इन संरचनाओं के लिए एक स्थिरता प्रमेय (stability theorem) स्थापित करता है।

Anthony Bahri, Ivan Limonchenko, Taras Panov, Jongbaek Song, Donald Stanley2026-06-25

🤖 AI

A Multi-Center Study on the Adaptability of a Shared Foundation Model for Electronic Health Records

यह बहु-केंद्रित अध्ययन प्रदर्शित करता है कि विभिन्न अस्पतालों में एक साझा, ऑफ-द-शेल्फ स्ट्रक्चर्ड EHR फाउंडेशन मॉडल को अनुकूलित करना, स्क्रैच से मॉडल प्रशिक्षित करने की तुलना में लेबल दक्षता और भविष्यवाणी प्रदर्शन में महत्वपूर्ण सुधार करता है, जिससे स्वास्थ्य सेवा एआई विकास के लिए एक स्केलेबल और लागत प्रभावी दृष्टिकोण प्राप्त होता है।

Lin Lawrence Guo, Jason Fries, Ethan Steinberg, Scott Lanyon Fleming, Keith Morse, Catherine Aftandilian, Jose Posada, N (…)2026-06-25

⚡ electrical engineering

SparseGS: Sparse View Synthesis using 3D Gaussian Splatting

SparseGS एक कुशल प्रशिक्षण पाइपलाइन है जो डेप्थ प्रायर (depth priors), नवीन रेंडरिंग तकनीकों और रेगुलराइजेशन मॉड्यूल को एकीकृत करके स्पार्स व्यू सिंथेसिस (sparse view synthesis) के लिए 3D गॉसियन स्प्लेटिंग को उन्नत करती है ताकि फ्लोटर्स (floaters) और बैकग्राउंड कोलैप्स (background collapse) जैसे आर्टिफैक्ट्स को कम किया जा सके, जिससे केवल 3 से 12 इनपुट छवियों के साथ उच्च-गुणवत्ता वाला रियल-टाइम पुनर्निर्माण सक्षम होता है।

Haolin Xiong, Sairisheek Muttukuru, Hanyuan Xiao, Rishi Upadhyay, Pradyumna Chari, Yajie Zhao, Achuta Kadambi2026-06-25

💬 NLP

Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure

यह अध्ययन प्रदर्शित करता है कि एक लार्ज लैंग्वेज मॉडल (GatorTron-3.9B), जो संरचित चिकित्सा कोडों से प्राप्त नवीन नैरेटिव विशेषताओं का उपयोग करता है, हृदय गति रुकने (हार्ट फेल्योर) के जोखिम वाले कैंसर रोगियों की पहचान करने में पारंपरिक मशीन लर्निंग और डीप लर्निंग मॉडलों की तुलना में काफी बेहतर प्रदर्शन करता है।

Ziyi Chen, Mengyuan Zhang, Mustafa Mohammed Ahmed, Yi Guo, Thomas J. George, Jiang Bian, Yonghui Wu2026-06-25

📊 statistics

RotRNN: Modelling Long Sequences with Rotations

यह शोध पत्र RotRNN प्रस्तुत करता है, जो एक लीनियर रिकरेंट न्यूरल नेटवर्क है जो रोटेशन मैट्रिसेस के गुणों का लाभ उठाकर लंबी अनुक्रम मॉडलिंग (long sequence modelling) के लिए जटिल अत्याधुनिक मॉडलों के एक सरल, कुशल और सुदृढ़ रूप से सामान्यीकृत विकल्प के रूप में कार्य करता है, जो प्रासंगिक बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।

Kai Biegun, Rares Dolga, Jake Cunningham, David Barber2026-06-25

📊 statistics

Bayesian uncertainty-aware deep learning with noisy labels: Tackling annotation ambiguity in EEG seizure detection

यह शोध पत्र BUNDL को प्रस्तुत करता है, जो एक नवीन, मॉडल-अज्ञेय (model-agnostic) बेयसियन डीप लर्निंग एल्गोरिदम है जो EEG दौरे का पता लगाने में लेबल शोर (label noise) को संभालने के लिए एक KL-डाइवर्जेंस-आधारित लॉस फंक्शन का उपयोग करता है, जिससे बिना अतिरिक्त पैरामीटर जोड़े मॉडल की मजबूती और सामान्यीकरण क्षमता में सुधार होता है।

Deeksha M. Shama, Archana Venkataraman2026-06-25

🤖 machine learning

LLM Program Optimization via Retrieval Augmented Search

यह शोध पत्र रिट्रीवल ऑगमेंटेड सर्च (RAS) और AEGIS को पेश करता है, जो कि नवीन ब्लैकबॉक्स अनुकूलन विधियाँ हैं जो LLM-जनित प्राकृतिक भाषा विवरणों और परमाणु संपादन (atomic edits) का लाभ उठाकर C++ और Python प्रोग्रामों को अनुकूलित करने में अत्याधुनिक रणनीतियों से काफी बेहतर प्रदर्शन करते हुए व्याख्यात्मकता को बढ़ाते हैं और कोड परिवर्तनों को न्यूनतम करते हैं।

Sagnik Anupam, Alexander Shypula, Osbert Bastani2026-06-25

🤖 machine learning

From Uncertain to Safe: Conformal Adaptation of Diffusion Models for Safe PDE Control

यह शोधपत्र SafeDiffCon प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो सुरक्षा बाधाओं (safety constraints) की गारंटी देते हुए उत्कृष्ट नियंत्रण प्रदर्शन प्राप्त करने के लिए पोस्ट-ट्रेनिंग और इन्फरेंस दोनों के दौरान कॉन्फॉर्मल प्रेडिक्शन-आधारित अनिश्चितता परिमाणीकरण (uncertainty quantification) को एकीकृत करके PDE-प्रतिबंधित नियंत्रण के लिए प्री-ट्रेंड डिफ्यूजन मॉडल्स को उन्नत करता है।

Peiyan Hu, Xiaowei Qian, Wenhao Deng, Rui Wang, Haodong Feng, Ruiqi Feng, Tao Zhang, Long Wei, Yue Wang, Zhi-Ming Ma, Ta (…)2026-06-25

🧬 biology

OmegAMP: Targeted AMP Discovery via Biologically Informed Generation

ओमेगाएमपी (OmegAMP) एक जैविक रूप से सूचित, डिफ्यूजन-आधारित जनरेटिव फ्रेमवर्क है जो पेप्टाइड गुणों पर सूक्ष्म नियंत्रण सक्षम करके और सिंथेटिक डेटा ऑग्मेंटेशन का उपयोग करके एंटीमाइक्रोबियल पेप्टाइड खोज में अत्याधुनिक उपलब्धि प्राप्त करता है, जिसके परिणामस्वरूप मल्टी-ड्रग रेजिस्टेंट स्ट्रेन के विरुद्ध 96% की उल्लेखनीय प्रयोगात्मक सफलता दर प्राप्त होती है।

Diogo Soares, Leon Hetzel, Paulina Szymczak, Marcelo Der Torossian Torres, Johanna Sommer, Cesar de la Fuente-Nunez, Fab (…)2026-06-25

← पिछला अगला →