🤖 Category

cs.LG

22423 पेपर

🤖 machine learning

LOKI: Memory-Free Null-Space Constrained Lifelong Knowledge Editing

LOKI एक मेमोरी-मुक्त आजीवन ज्ञान संपादन (knowledge editing) विधि है जो हिल्बर्ट-श्मिट स्वतंत्रता मानदंड (Hilbert-Schmidt Independence Criterion) का उपयोग करके परतों को गतिशील रूप से चुनती है और नए ज्ञान को कुशलतापूर्वक शामिल करने के लिए मॉडल भार के नल-स्पेस (null-space) पर ग्रेडिएंट अपडेट को प्रोजेक्ट करती है, जिससे पिछले डेटा तक पहुँच की आवश्यकता के बिना विनाशकारी विस्मृति (catastrophic forgetting) को रोका जा सकता है।

Masih Eskandar, Miquel Sirera Perelló, Stratis Ioannidis, Jennifer Dy2026-06-19
🤖 machine learning

Efficiently Representing Algorithms With Chain-of-Thought Transformers

यह शोध पत्र प्रदर्शित करता है कि चेन-ऑफ-थॉट ट्रांसफॉर्मर केवल पॉली-लॉगैरिद्मिक ओवरहेड के साथ वर्ड रैम एल्गोरिदम का कुशलतापूर्वक अनुकरण कर सकते हैं, जो ट्यूरिंग मशीन सिमुलेशन के लिए आवश्यक द्विघात (क्वाड्रेटिक) ओवरहेड से काफी बेहतर प्रदर्शन करता है।

Yanhong Li, Anej Svete, Ashish Sabharwal, William Merrill2026-06-19
💬 NLP

Closing the Calibration Gap in Semantic Caching

यह शोध पत्र तर्क देता है कि सिमेंटिक कैशिंग मॉडल चयन मौलिक रूप से एक रैंकिंग समस्या के बजाय एक कैलिब्रेशन समस्या है, यह प्रदर्शित करते हुए कि मानक मेट्रिक्स जैसे कि PR-AUC खराब परिनियोजन विकल्पों की ओर ले जाते हैं और ऑफलाइन मूल्यांकन एवं परिचालन प्रदर्शन के बीच के अंतर को पाटने के लिए नए मेट्रिक्स (P-CHR AUC और CRR) का प्रस्ताव देता है।

Aditeya Baral, Radoslav Ralev, Iliya Sotirov Zhechev, Srijith Rajamohan, Jen Agarwal2026-06-19
🤖 machine learning

OnDeFog: Online Decision Transformer under Frame Dropping

यह शोध पत्र OnDeFog का प्रस्ताव करता है, जो एक ऑनलाइन सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो फ्रेम ड्रॉपिंग को संभालने के लिए डिसीजन ट्रांसफॉर्मर तंत्र को प्रत्यक्ष पर्यावरणीय संपर्क के साथ एकीकृत करता है ताकि उच्च फ्रेम हानि दर और कम-पुरस्कार वाले डेटा वाले वातावरण में मौजूदा ऑफलाइन और ऑनलाइन दृष्टिकोणों से बेहतर प्रदर्शन किया जा सके।

Daiki Yotsufuji, Kenta Nishihara, Shoma Shimizu, Kento Uchida, Shinichi Shirakawa2026-06-19
🤖 machine learning

Manifold Bandits: Bayesian Curriculum Learning over the Latent Geometry of Large Language Models

यह शोध पत्र बेयसियन मैनिफोल्ड करिकुलम (BMC) प्रस्तुत करता है, जो एक संरचना-जागरूक ढांचा है जो कार्यों के बीच निहित ज्यामितीय संबंधों का लाभ उठाकर, केवल कठिनाई-आधारित चयन पर निर्भर रहने के बजाय, सीखने की उत्पादकता, कार्य विविधता और मूल्यांकन उपयोगिता के बीच संतुलन को अनुकूलित करने के लिए LLM सुदृढीकरण शिक्षण (reinforcement learning) में समस्या नमूनाकरण (problem sampling) को एक मैनिफोल्ड-संरचित बैंडिट समस्या के रूप में पुनर्गठित करता है।

Darrien McKenzie, Nicklas Hansen, Xiaolong Wang2026-06-19
🤖 AI

Human-on-the-Loop Orchestration for AI-Assisted Legal Discovery

यह शोध पत्र एक संरचित विफलता वर्गीकरण (failure taxonomy), एक चार-स्तरीय सत्यापन आर्किटेक्चर और एक 'ह्यूमन-ऑन-द-लूप' फ्रेमवर्क प्रस्तावित करके स्वायत्त एआई-संचालित कानूनी खोज (legal discovery) में "ट्रैजेक्टरी कोलैप्स" के जोखिम को संबोधित करता है, जो विशेषाधिकार-त्याग (privilege-waiver) के जोखिमों को काफी कम करता है और साथ ही वकील द्वारा समीक्षा के लिए आवश्यक दस्तावेजों की मात्रा को भी न्यूनतम करता है।

Anushree Sinha, Srivaths Ranganathan, Abhishek Dharmaratnakar, Debanshu Das2026-06-19
💬 NLP

Leverage Is Not Reach: A Control-Window Law for Single-Neuron Steering in Language Models

यह शोध पत्र एक "कंट्रोल-विंडो लॉ" (control-window law) प्रस्तुत करता है जो एक बजट-सामान्यीकृत ढांचा स्थापित करता है ताकि यह भविष्यवाणी की जा सके कि भाषा मॉडलों में एकल-न्यूरॉन हस्तक्षेप कब आउटपुट पतन (output collapse) का कारण बने बिना रिफ्यूज़ल (refusal) जैसे व्यवहारों को सुसंगत रूप से निर्देशित करेगा, जो यह प्रकट करता है कि नियंत्रणीयता (controllability) एक प्रकारित, बजट वाली संपत्ति है न कि एक साधारण स्केलर डोज़।

Hongliang Liu2026-06-19
🤖 machine learning

Neural Additive and Basis Models with Feature Selection and Interactions

यह शोध पत्र उच्च-आयामी (high-dimensional) परिवेश में कम्प्यूटेशनल बाधाओं को दूर करने के लिए न्यूरल एडिटिव और बेसिस मॉडल्स में एक ट्रेन करने योग्य फीचर सिलेक्शन लेयर को एकीकृत करने का प्रस्ताव करता है, जिससे व्याख्यात्मकता और प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए फीचर इंटरैक्शन की कुशल मॉडलिंग सक्षम होती है।

Yasutoshi Kishimoto, Kota Yamanishi, Takuya Matsuda, Shinichi Shirakawa2026-06-19
🤖 machine learning

Score Approximation for Diffusion Models on Arbitrary Low-Dimensional Structures

यह शोध पत्र एक सार्वभौमिक स्कोर सन्निकटन प्रमेय (universal score approximation theorem) स्थापित करता है जो यह सिद्ध करता है कि डिफ्यूजन मॉडल किसी भी मनमाने कॉम्पैक्ट सेट्स (arbitrary compact sets) पर वितरणों के लिए स्कोर फलनों का कुशलतापूर्वक सन्निकटन कर सकते हैं, जिसकी जटिलता केवल आंतरिक मिंकोव्स्की आयाम (intrinsic Minkowski dimension) पर निर्भर करती है, जिससे वे एम्बिएंट डाइमेंशनलिटी के अभिशाप (curse of ambient dimensionality) को दूर करते हैं और वास्तविक दुनिया के गैर-सुचारू डेटा पर उनकी सफलता की व्याख्या करते हैं।

Xinhe Mu, Zaijiu Shang, Zhaoqi Zhou, Chuan Zhou, Qi Meng, Guiying Yan, Zhiming Ma2026-06-19
🤖 machine learning

Deep-Unfolded Coordination

यह शोध पत्र डीप कोऑर्डिनेटर (Deep Coordinator) का परिचय देता है, जो एक डीप-अनफोल्डिंग फ्रेमवर्क है जो समाधान-समय (solve-time) पर ADMM-DDP हाइपरपैरामीटर्स को गतिशील रूप से समायोजित करने के लिए एक अनसुपरवाइज्ड लर्निंग स्कीम का उपयोग करता है, जिससे वितरित मल्टी-एजेंट रोबोटिक्स अनुकूलन को प्रशिक्षण के लिए उपयोग किए गए सिस्टमों से काफी बड़े सिस्टमों पर प्रदर्शन बनाए रखते हुए पारंपरिक सॉल्वर की तुलना में 6.18–9.44 गुना तेज़ी से तुलनीय प्रक्षेपवक्र गुणवत्ता (trajectory quality) प्राप्त करने में सक्षम बनाया जा सके।

Hunter Kuperman, Minchan Jung, Rahul V. Ghosh, Alex Oshin, Evangelos A. Theodorou2026-06-19