🤖 machine learning

Closed-Loop Knowledge Dynamics: An Operational Framework for Saturation and Escape

यह शोध पत्र एक तीन-स्तरीय परिचालन ढांचे को प्रस्तुत करता है जो यह स्पष्ट करता है कि क्यों क्लोज्ड-लूप ज्ञान प्रणालियाँ आंतरिक फीडबैक के तहत संतृप्त हो जाती हैं और इन अट्रैक्टर्स (attractors) से पलायन प्रेरित करने के लिए संरचनात्मक हस्तक्षेपों के मापने योग्य मापदंड स्थापित करता है, जिसे एलएलएम (LLMs), सुदृढीकरण शिक्षण (reinforcement learning) और बेयसियन अनुकूलन (Bayesian optimization) के केस स्टडीज के माध्यम से मान्य किया गया है।

Xuening Wu, Shan Yu, Shenqin Yin2026-07-17
🤖 machine learning

TEDDY: A Pediatric Foundation Model for Risk Forewarning from ICD-Coded Diagnostic Histories

यह शोध पत्र TEDDY को प्रस्तुत करता है, जो कि बाल चिकित्सा ICD-10 डेटा पर प्रशिक्षित एक संक्षिप्त 1.84-मिलियन-पैरामीटर वाला डिकोडर ट्रांसफॉर्मर है, जो रोग की शुरुआत और विज़िट के समय के पूर्वानुमान में बड़े और अधिक जटिल मॉडलों से काफी बेहतर प्रदर्शन करता है, यह प्रदर्शित करते हुए कि बाल चिकित्सा नैदानिक इतिहास जनसंख्या-स्तर के डेटासेट की आवश्यकता के बिना दुर्लभ और दीर्घकालिक जोखिम भविष्यवाणी के लिए जनरेटिव फाउंडेशन मॉडल्स को प्रभावी ढंग से समर्थन दे सकता है।

Matthew Brady Neeley, Jorge Botas, Johnathan Jia, Lin Yao, Daniel Palacios, Benjamin Choi, Zhandong Liu, Hyun-Hwan Jeong2026-07-17
🤖 machine learning

Long-term User Engagement Optimization through Model-agnostic Downstream Rewards Learning

यह शोध पत्र प्रारंभिक भविष्य कहने वाले सत्र व्यवहारों (early predictive session behaviors) की पहचान करने और डाउनस्ट्रीम रिवॉर्ड सिग्नल्स प्राप्त करने के माध्यम से बड़े पैमाने के अनुशंसा तंत्रों (recommendation systems) में दीर्घकालिक उपयोगकर्ता जुड़ाव को अनुकूलित करने के लिए एक एकीकृत, मॉडल-अज्ञेय (model-agnostic) ढांचे को प्रस्तुत करता है, जिसे रिटेंशन मेट्रिक्स में सुधार के लिए Pinterest की कई सतहों (surfaces) पर सफलतापूर्वक तैनात किया गया है।

Dingsu Wang, Filip Ryzner, Kelly He, Armando Ordorica, David Woo, Aditya Mantha, Liyao Lu, Usha Amrutha Nookala, Haoran (…)2026-07-17
🤖 machine learning

Privacy Leakage in Federated Learning in Radiology Reports: A Comparative Evaluation of Tokenizer-Driven Privacy Risks

यह अध्ययन प्रदर्शित करता है कि रेडियोलॉजी रिपोर्टों पर फेडरेटेड लर्निंग ग्रेडिएंट-आधारित गोपनीयता रिसाव के प्रति संवेदनशील है, जहाँ उपयोग किए गए टोकेनाइज़र के बावजूद संवेदनशील नैदानिक पाठ को उच्च सटीकता के साथ पुनर्गठित किया जा सकता है, जो यह दर्शाता है कि सुरक्षित एकत्रीकरण या डिफरेंशियल प्राइवेसी जैसे अतिरिक्त सुरक्षा उपायों के बिना केवल डोमेन-विशिष्ट टोकेनाइज़र ही रोगी की गोपनीयता की रक्षा करने के लिए पर्याप्त नहीं हैं।

Santhosh Parampottupadam, Andres Martinez, Dimitrios Bounias, Sinem Sav, Klaus Maier-Hein, Ralf Floca2026-07-17
🤖 machine learning

LIGO-PINN: Learned Initialization via Gated Optimization to Alleviate Convergence Failures in Physics Informed Neural Networks

यह शोध पत्र LIGO-PINN प्रस्तुत करता है, जो एक नवीन ढांचा है जो विविध और चुनौतीपूर्ण PDE डोमेन में फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स को प्रशिक्षित करने के दौरान अभिसरण विफलताओं (convergence failures) को प्रभावी ढंग से दूर करने और मौजूदा अत्याधुनिक विधियों से बेहतर प्रदर्शन करने के लिए गेटेड लेयरवाइज ऑप्टिमाइज़ेशन के माध्यम से सीखी गई इनिशियलाइज़ेशन का उपयोग करता है।

Nilay Anurag, Shital Adhikari, Taniya Kapoor, Nikhil Muralidhar2026-07-17
🤖 machine learning

The Steering Budget: Examples beat Knobs

यह शोध पत्र तर्क देता है कि जनरेटिव मॉडल्स की नियंत्रणीयता (controllability) उनके प्रशिक्षण डेटा में निहित एक "बजट" द्वारा मौलिक रूप से सीमित है, यह प्रदर्शित करते हुए कि जबकि पारंपरिक "नॉब" विधियाँ (जैसे प्रॉम्प्ट या गाइडेंस स्केल) इस सीमा के केवल एक अंश तक ही पहुँच सकती हैं, ठोस उदाहरण प्रदान करने से मॉडल्स को किसी गुण की क्षमता के पूर्ण स्पेक्ट्रम तक पहुँचने में मदद मिलती है, जिसमें वे लक्ष्य भी शामिल हैं जिन्हें मौखिक रूप से निर्दिष्ट नहीं किया जा सकता।

Raj Kumar Rajendran2026-07-17
🤖 machine learning

Lyapunov Guidance: A Unified Framework for Stabilizing Generative Flows

यह शोध पत्र LyaGuide प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो मार्गदर्शन को एक लियापुनोव नियंत्रण समस्या (Lyapunov control problem) के रूप में स्वरूपित करके जनरेटिव फ्लो मैचिंग को स्थिर करता है, जिससे स्पष्ट स्थिरता गारंटी मिलती है और एक नवीन सूडो-प्रोजेक्शन ऑपरेटर के माध्यम से विभिन्न मौजूदा मार्गदर्शन रणनीतियों को एकीकृत किया जाता है।

Jingdong Zhang, Xinze Li, Yize Jiang, Luan Yang, Minkai Xu, Junhong Liu2026-07-17
🤖 machine learning

DiMaS: Distribution Matching for Steering Vision-Language-Action Models

यह शोधपत्र DiMaS को प्रस्तुत करता है, जो एक डिस्ट्रीब्यूशन-मैचिंग स्टीयरिंग रणनीति है जो फिक्स्ड दिशाओं के साथ शिफ्ट करने के बजाय रिप्रजेंटेशन डिस्ट्रीब्यूशंस को ट्रांसपोर्ट करके फ्लो-मैचिंग-आधारित विजन-लैंग्वेज-एक्शन मॉडल्स में फाइन-ग्रेंड बिहेवियरल कंट्रोल सक्षम करने के लिए शास्त्रीय रैखिक विधियों की सीमाओं को दूर करता है।

Pegah Khayatan, Sara Meziane, Jayneel Parekh, Matthieu Cord2026-07-17
📊 statistics

Spectral Concentration and Recovery in Sparse High-Dimensional Random Geometric Graphs

यह शोध पत्र गोलाकार और गाऊसी मॉडलों के तहत स्पार्स उच्च-आयामी रैंडम ज्योमेट्रिक ग्राफों के लिए शार्प स्पेक्ट्रल कंसन्ट्रेशन बाउंड्स और बेहतर लेटेंट ज्योमेट्री रिकवरी गारंटी स्थापित करता है, जबकि ऑर्थोगोनल पॉलिनॉमियल एक्सपेंशन और मैट्रिक्स कंसन्ट्रेशन तकनीकों का उपयोग करके गाऊसी मिश्रण ब्लॉक मॉडल के लिए पहला सटीक रिकवरी परिणाम भी सिद्ध करता है।

Manuel Fernandez V, Yizhe Zhu2026-07-17
🤖 machine learning

Beyond scalar losses: calibrating segmentation models via gradient vector field surgery

यह शोध पत्र एक नवीन "ग्रेडिएंट वेक्टर फील्ड सर्जरी" प्रस्तावित करता है जो क्षेत्र-आधारित विभाजन लॉस फंक्शन्स (region-based segmentation loss functions) में अंतर्निहित अति-आत्मविश्वास और गलत अंशांकन (miscalibration) की समस्याओं को प्रभावी ढंग से कम करने के लिए प्रेडिक्शन एरर के साथ ग्रेडिएंट मैग्नीट्यूड को रैखिक रूप से स्केल करता है, जिससे सटीकता से समझौता किए बिना महत्वपूर्ण चिकित्सा इमेजिंग अनुप्रयोगों के लिए मॉडल की विश्वसनीयता में सुधार होता है।

Laurin Lux, Alexander H. Berger, Moritz Knolle, Daniel Rückert, Johannes C. Paetzold2026-07-17