🤖 Category

cs.LG

19861 पेपर

🤖 machine learning

Analytical study of the optimal combination of binary classifiers based on classifiers-induced partitioning of the training set

यह शोध पत्र सत्य तालिकाओं (truth tables) के माध्यम से डेटासेट को तुल्यता वर्गों (equivalence classes) में विभाजित करके बाइनरी क्लासिफायर के इष्टतम रैखिक संयोजनों (optimal linear combinations) को निर्धारित करने के लिए एक विश्लेषणात्मक ढांचे का प्रस्ताव करता है, जिससे समाधान की विशिष्टता के लिए स्थितियाँ स्थापित होती हैं और एक्सपोनेंशियल (Exponential) एवं लॉजिस्टिक (Logistic) लॉस फंक्शन के लिए स्पष्ट गैर-पुनरावृत्ति भार सूत्र (explicit non-iterative weight formulas) प्राप्त होते हैं।

Jean-Marc Brossier, Olivier Lafitte2026-07-17
🤖 machine learning

Leveraging Instruction Tuning and Merging for Reasoning Model Adaptation

यह शोध पत्र एक लागत प्रभावी विधि प्रस्तावित करता है जो पहले मानव-लिखित समाधानों पर क्लासिक इंस्ट्रक्शन ट्यूनिंग लागू करके और फिर परिणामी मॉडल को मूल रीजनिंग मॉडल के साथ मर्ज करके डोमेन-विशिष्ट रीजनिंग क्षमताओं को पुनः प्राप्त करने के माध्यम से, सत्यापन योग्य और गैर-सत्यापन योग्य दोनों डोमेन में रीजनिंग लैंग्वेज मॉडल्स को उन्नत करता है।

Yu-Du Feng, Niels Mündler-Sasahara, Mark Vero, Martin Vechev2026-07-17
🤖 machine learning

Random Logit Scaling: Defending Deep Neural Networks Against Black-Box Score-Based Adversarial Example Attacks

यह शोध पत्र रैंडम लॉजिट स्केलिंग (RLS) को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले पोस्ट-प्रोसेसिंग डिफेंस है जो मॉडल की सटीकता को बनाए रखते हुए हमलावरों को भ्रमित करने के लिए लॉजिट्स को यादृच्छिक रूप से स्केल करके ब्लैक-बॉक्स स्कोर-आधारित एडवरसैरियल हमलों का प्रभावी ढंग से मुकाबला करता है, और साथ ही एडेप्टिव हमलों के प्रति स्टेट-ऑफ-द-आर्ट AAA डिफेंस की भेद्यता को उजागर करता है।

Hamid Dashtbani, Mehdi Dousti Gandomani, AmirMahdi Sadeghzadeh2026-07-17
🌀 nonlinear sciences

A Minimal Interpretable Architecture for Zero-Shot Reconstruction of Dynamical Systems

यह शोध पत्र DynaBase प्रस्तुत करता है, जो जटिल फाउंडेशन मॉडल्स से व्युत्पन्न एक न्यूनतम दो-पैरामीटर व्याख्या योग्य आर्किटेक्चर है, जो लेटेंट स्टेट्स और इन-कॉन्टेक्स्ट नेबर्स के एक सरल लीनियर ब्लेंड के माध्यम से प्रतिस्पर्धी ज़ीरो-शॉट डायनेमिकल सिस्टम रिकंस्ट्रक्शन प्राप्त करता है, जबकि विश्लेणात्मक समाधान प्रदान करता है और साहित्य में विविध निष्कर्षों को एकीकृत करता है।

Christoph Jürgen Hemmer, Florian Plaswig, Daniel Durstewitz2026-07-17
🤖 machine learning

Causal Inference for Sequential Settings under Interference and Latent Confounding

यह शोध पत्र परिणाम हस्तक्षेप (outcome interference) और निम्न-रैंक गुप्त कारकों (low-rank latent confounding) वाले अनुक्रमिक, अवलोकन संबंधी परिवेशों में कारण अनुमान (causal inference) के लिए एक गणनात्मक रूप से कुशल अधिकतम छद्म-संभावना अनुमान (Maximum Pseudo-Likelihood Estimation) पद्धति प्रस्तावित करता है, जो गैर-अनुकंपात्मक निरंतरता (non-asymptotic consistency) स्थापित करता है और सिंथेटिक प्रयोगों तथा कोविड-19 मृत्यु दर पर वैक्सीन के प्रभावों के वास्तविक दुनिया के विश्लेषण के माध्यम से अपनी प्रभावकारिता प्रदर्शित करता है।

Phevos Paschalidis, Constantinos Daskalakis, Devavrat Shah2026-07-17
⚡ electrical engineering

Steering Robustness into World Action Models via Mechanistic Interpretability and Optimal Control

यह शोध पत्र WA-LQR नामक एक प्रशिक्षण-मुक्त स्टीयरिंग पद्धति प्रस्तावित करता है जो उनके सक्रियण स्थानों (activation spaces) में निम्न-आयामी रैखिक पृथक्करणीयता (low-dimensional linear separability) का लाभ उठाकर वर्ल्ड एक्शन मॉडल्स की वितरण बदलावों (distribution shifts) के विरुद्ध सुदृढ़ता बढ़ाने के लिए यांत्रिक व्याख्यात्मकता (mechanistic interpretability) और इष्टतम नियंत्रण (optimal control) का उपयोग करता है।

Jihoon Hong, Julian Skifstad, Qiyue Dai, Alice Chan, Glen Chou2026-07-17
📊 statistics

Optimal Self-Distillation for Rectified Flow via Linear Probing

यह शोध पत्र एक क्लोज्ड-फॉर्म मिक्सिंग कोएफिशिएंट (closed-form mixing coefficient) व्युत्पन्न करके रेक्टिफाइड फ्लो मॉडल्स (rectified flow models) में इष्टतम सेल्फ-डिस्टिलेशन (optimal self-distillation) के लिए एक सैद्धांतिक ढांचा स्थापित करता है, जो अंडर- या ओवर-रेगुलराइज्ड टीचर्स (under- or over-regularized teachers) को सुधारने वाले एक साइन रूल (sign rule) के माध्यम से वेलोसिटी एस्टीमेशन (velocity estimation) और जनरेशन परफॉरमेंस को प्रमाणित रूप से बेहतर बनाता है, जबकि साथ ही गाऊसीअन (Gaussian) और इमेज डेटासेट्स पर मान्य कुशल ट्यूनिंग प्रक्रियाएं भी प्रदान करता है।

Saptarshi Roy, Debepsita Mukherjee, Pratik Patil2026-07-17
🤖 machine learning

LongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget

LongStraw एक आर्किटेक्चर-जागरूक (architecture-aware) निष्पादन स्टैक है जो बिना ऑटोग्रैड (autograd) और अनुक्रमिक रिस्पॉन्स रिप्ले (sequential response replay) के माध्यम से साझा प्रॉम्प्ट इवैल्यूएशन (shared prompt evaluation) द्वारा मेमोरी उपयोग को अनुकूलित करके, एक निश्चित GPU बजट के तहत मिलियन-टोकन सुदृढीकरण शिक्षण (reinforcement learning) को सक्षम बनाता है, जिसने 2 मिलियन टोकन से अधिक की कॉन्टेक्स्ट लंबाई के साथ Qwen3.6-27B और GLM-5.2 जैसे मॉडलों पर निष्पादन क्षमता का सफलतापूर्वक प्रदर्शन किया है।

Changhai Zhou, Kieran Liu, Yuhua Zhou, Qian Qiao, Jun Gao, Harry Zhang, Irvine Lu, Nolan Ho, Lucian Li, Andrew Lei, Cleo (…)2026-07-17
🤖 machine learning

Multi-Axis Max@K Reinforcement Learning for Representative Diversity in Text-to-Image Generation

यह शोध पत्र मल्टी-एक्सिस मैक्स@के (multi-axis max@K) का परिचय देता है, जो एक समूह-आधारित सुदृढीकरण शिक्षण (reinforcement learning) उद्देश्य है जो टेक्स्ट-टू-इमेज जनरेशन की विविधता और जनसांख्यिकीय निष्पक्षता को बढ़ाता है, क्योंकि यह क्रेडिट केवल तभी नमूनों को प्रदान करता है जब वे एक बैच के भीतर विशिष्ट सिमेंटिक मोड्स (semantic modes) के कवरेज में अद्वितीय सुधार करते हैं, जिससे छवि गुणवत्ता या प्रॉम्प्ट संरेखण से समझौता किए बिना उच्च निष्पक्षता स्कोर प्राप्त होता है।

Ku Onoda, Paavo Parmas, Hiroki Furuta, Soichiro Nishimori, Yuta Oshima, Shohei Taniguchi, Yutaka Matsuo2026-07-17
🤖 machine learning

Parameter-efficient Prompt Tuning of Vision Foundation Model With Adaptive Focal Loss for Interpretable MCI Screening

यह शोध पत्र एक पैरामीटर-कुशल ढांचे का प्रस्ताव करता है जो डेटा की कमी और वर्ग असंतुलन से पार पाने के लिए सीखने योग्य प्रॉम्प्ट टोकन और एक अनुकूली फोकल लॉस का उपयोग करके एक फ्रोजन DINOv2-Small मॉडल को अनुकूलित करता है, ताकि न्यूरोसाइकोलॉजिकल ड्राइंग टेस्ट से माइल्ड कॉग्निटिव इम्पेयरमेंट की आंतरिक रूप से व्याख्या योग्य, उच्च-प्रदर्शन वाली स्क्रीनिंग सक्षम की जा सके।

Javad Khoramdel, Farhad Hoseyni, Amirhossein Nikoofard2026-07-17