🧬 biology

The Urysohn Ladder: Recursive Metric Contraction for Scalable Continual Learning

यह शोध पत्र उरीसन लैडर (Urysohn Ladder) का प्रस्ताव करता है, जो एक निरंतर सीखने वाला (continual learning) ढांचा है जो पारंपरिक विस्तार विधियों को एक पदानुक्रमित संकुचन रणनीति से बदलकर विनाशकारी हस्तक्षेप (catastrophic interference) और स्केलेबिलिटी संबंधी समस्याओं को हल करता है, जो मीट्रिक पड़ोस को कॉम्पैक्ट टोकन में पुनरावर्ती रूप से संकुचित करता है, जिससे सीमित क्षमता, पृथक्करणीयता और स्थिर प्लास्टिसिटी सुनिश्चित होती है।

Xin Li2026-06-25
📊 statistics

Learning with Monotone Adversarial Corruptions

यह शोधपत्र प्रदर्शित करता है कि बाइनरी क्लासिफिकेशन के लिए मानक इष्टतम लर्निंग एल्गोरिदम को एक मोनोटोन एडवर्सरियल करप्शन मॉडल के तहत विफल किया जा सकता है—जहाँ एक विरोधी सही ढंग से लेबल किए गए बिंदु डालता है—डेटा एक्सचेंजेबिलिटी (विनिमय क्षमता) पर उनके अत्यधिक भरोसे को उजागर करके, जबकि यूनिफॉर्म कन्वर्जेंस-आधारित एल्गोरिदम सुदृढ़ बने रहते हैं।

Kasper Green Larsen, Chirag Pabbaraju, Abhishek Shetty2026-06-25
💬 NLP

Paid Voices vs. Public Feeds: Interpretable Cross-Platform Theme-Based Analysis of Climate Discourse

यह शोध पत्र क्रॉस-प्लेटफ़ॉर्म विषयगत विश्लेषण के लिए एक व्याख्यात्मक, अनसुपरवाइज्ड पाइपलाइन प्रस्तुत करता है जो यह प्रकट करता है कि कैसे मेटा के सशुल्क विज्ञापनों पर जलवायु संबंधी विमर्श, ब्लूस्काई की ऑर्गेनिक पोस्ट्स से व्यवस्थित रूप से भिन्न होता है, जिसमें पूर्व रणनीतिक समाधानों के प्रचार पर केंद्रित है और उत्तर प्रणालीगत संकट की आलोचना पर।

Samantha Sudhoff, Pranav Perumal, Zhaoqing Wu, Tunazzina Islam2026-06-25
📊 statistics

Limitations of SGD for Multi-Index Models Beyond Statistical Queries

यह शोध पत्र सिंगल- और मल्टी-इंडेक्स मॉडल पर मानक वेनिला SGD की सीमाओं का कठोरता से विश्लेषण करने के लिए एक नए नॉन-SQ फ्रेमवर्क को प्रस्तुत करता है, जो मौजूदा स्टैटिस्टिकल क्वेरी-आधारित विश्लेषणों की कमियों को संबोधित करता है और गैर-तुच्छ एल्गोरिद्मिक संशोधनों पर निर्भरता से बचता है।

Daniel Barzilai, Ohad Shamir2026-06-25
🤖 AI

CauScale: Neural Causal Discovery at Scale

CauScale एक न्यूरल आर्किटेक्चर है जो एक रिडक्शन यूनिट और टाइड अटेंशन वेट्स का उपयोग करके 1000 नोड्स तक के बड़े ग्राफ पर कुशल कॉज़ल डिस्कवरी को सक्षम बनाता है ताकि उच्च सटीकता बनाए रखते हुए समय और स्थान की दक्षता में महत्वपूर्ण सुधार किया जा सके।

Bo Peng, Sirui Chen, Jiaguo Tian, Yu Qiao, Chaochao Lu2026-06-25
🤖 AI

Rational Neural Networks have Expressivity Advantages

यह शोध पत्र प्रदर्शित करता है कि प्रशिक्षित निम्न-डिग्री परिमेय सक्रियण कार्यों (low-degree rational activation functions) का उपयोग करने वाले न्यूरल नेटवर्क, मानक स्थिर सक्रियणों की तुलना में काफी अधिक अभिव्यक्ति क्षमता और पैरामीटर दक्षता प्राप्त करते हैं, जो घातांकीय सन्निकटन लाभ प्रदान करते हैं जो सैद्धांतिक रूप से सिद्ध और अनुभवजन्य रूप से मान्य दोनों हैं।

Maosen Tang, Alex Townsend2026-06-25
🤖 machine learning

Simplify to Amplify: Achieving Information-Theoretic Bounds with Fewer Steps in Spectral Community Detection

यह शोध पत्र दो-समुदाय वाले स्टोकेस्टिक ब्लॉक मॉडल में समुदाय पहचान (कम्युनिटी डिटेक्शन) के लिए एक सुव्यवस्थित स्पेक्ट्रल एल्गोरिदम प्रस्तुत करता है जो दूसरे आइजनवेक्टर (eigenvector) के गुणों का लाभ उठाने के लिए अनावश्यक प्रीप्रोसेसिंग को समाप्त करता है, जिससे सूचनात्मक-सैद्धांतिक सीमाओं के करीब पहुँचने वाले कड़े त्रुटि बाउंड्स प्राप्त होते हैं और साथ ही यह प्रदर्शित होता है कि एल्गोरिथम सरलीकरण से दक्षता और प्रदर्शन दोनों में वृद्धि होती है।

Sie Hendrata Dharmawan, Peter Chin2026-06-25
🤖 machine learning

A Probabilistic Framework for LLM-Based Model Discovery

यह शोध पत्र ModelSMC को प्रस्तुत करता है, जो एक संभाव्य ढांचा (probabilistic framework) है जो मॉडल प्रस्ताव (model proposal), परिशोधन (refinement) और चयन (selection) को एकीकृत करने के लिए LLM-आधारित मॉडल खोज को अनुक्रमिक मोंटे कार्लो अनुमान (sequential Monte Carlo inference) के रूप में पुनर्गठित करता है, जिससे अवलोकन संबंधी डेटा से व्याख्यात्मक यांत्रिक मॉडलों की खोज संभव हो पाती है।

Stefan Wahl, Raphaela Schenk, Ali Farnoud, Jakob H. Macke, Daniel Gedon2026-06-25
🤖 AI

SplitZip: Ultra Fast Lossless KV Compression for Disaggregated LLM Serving

SplitZip एक GPU-अनुकूल, लॉसलेस कंप्रेसर है जो एक फिक्स्ड-लेंथ कोडबुक और स्पार्स एस्केप स्ट्रीम के माध्यम से फ्लोटिंग-पॉइंट एक्सपोनेंट रेडंडेंसी का लाभ उठाकर डिसएग्रिगेटेड LLM सर्विंग में KV कैश ट्रांसफर को त्वरित करता है, जिससे मौजूदा तरीकों की तुलना में काफी अधिक थ्रूपुट और कम विलंबता प्राप्त होती है।

Yipin Guo, Siddharth Joshi2026-06-25
🤖 machine learning

Dense Supervision Is Not Enough: The Readout Blind Spot in Looped Language Models

यह शोध पत्र प्रकट करता है कि डेंस पर-लूप क्रॉस-एन्ट्रॉपी सुपरविजन, स्केल-इनवेरिएंट रीडआउट्स के कारण हिडन-स्टेट स्केल को नियंत्रित करने में विफल रहता है क्योंकि वे इस वेरिएबल को लॉस से छिपा देते हैं, जिससे अनबाउंडेड नॉर्म ग्रोथ को रोकने और परप्लेक्सिटी में सुधार करने के लिए या तो स्केल-विज़िबल रीडआउट्स, स्पष्ट नॉर्म पेनल्टीज़, या स्केल-रिमूविंग रिकरेंस की आवश्यकता होती है।

Rituraj Sharma, Tu Vu2026-06-25