🤖 Category

cs.LG

22458 पेपर

🤖 machine learning

Variance Reduction for Non-Log-Concave Sampling with Applications to Inverse Problems

यह शोध पत्र उच्च-आयामी, गैर-लॉग-कॉन्केव (non-log-concave) वितरणों से नमूनाकरण (sampling) के लिए विचरण न्यूनीकरण (variance reduction) तकनीकों का पहला एकीकृत विश्लेषण प्रस्तुत करता है, जो बेहतर गैर-अनंतस्पर्शी अभिसरण दरें (non-asymptotic convergence rates) स्थापित करता है और स्कोर-आधारित जनरेटिव प्रायर्स वाले व्युत्क्रम समस्याओं (inverse problems) के लिए नमूना गुणवत्ता को बढ़ाने में उनकी प्रभावशीलता को प्रदर्शित करता है।

M. Berk Sahin, Ahmet Ege Tanriverdi, Behzad Sharif, Abolfazl Hashemi2026-06-16
📊 statistics

Generative Modeling on Metric Graphs via Neural Optimal Transport

यह शोध पत्र कॉम्पैक्ट मेट्रिक ग्राफ्स पर प्रायिकता वितरणों (probability distributions) के लिए पहले डीप जेनरेटिव मॉडलिंग फ्रेमवर्क को प्रस्तुत करता है, जो उन्हें सुचारू एम्बिएंट स्पेस (smooth ambient spaces) में एम्बेड करके और न्यूरल सेमीडुअल्स (neural semiduals) के माध्यम से एंट्रोपिक ऑप्टिमल ट्रांसपोर्ट को हल करके कार्य करता है, जिससे स्केलेबल, ग्राफ-सपोर्टेड सैंपल जनरेशन सक्षम होता है जो वैध ट्रांसपोर्ट कपलिंग्स की ओर अभिसरित (converge) होता है और वास्तविक दुनिया के शहरी गतिशीलता डेटा पर डिस्क्रीट बेसलाइन्स से बेहतर प्रदर्शन करता है।

Alessandro Micheli, Yueqi Cao, Anthea Monod, Samir Bhatt2026-06-16
🤖 machine learning

FlowMPC: Improving Flow Matching policies with World Models

यह शोध पत्र FlowMPC प्रस्तुत करता है, जो एक सीखे हुए वर्ल्ड मॉडल (world model) को टेस्ट-टाइम MPPI प्लानिंग करने के लिए एकीकृत करके रोबोटिक मैनिपुलेशन हेतु फ्लो मैचिंग पॉलिसियों को बेहतर बनाता है, जिससे मूल प्रशिक्षण उद्देश्य को बदले बिना कार्य सफलता दर में सुधार होता है।

Chandon Hamel2026-06-16
📊 statistics

One-Step Generalization Ratio Guided Optimization for Domain Generalization

यह शोध पत्र GENIE का प्रस्ताव करता है, जो एक नवीन ऑप्टिमाइज़र है जो पैरामीटर योगदान को गतिशील रूप से समान करने और स्प्यूरियस सहसंबंधों (spurious correlations) के प्रभुत्व को रोकने के लिए 'वन-स्टेप जनरलाइजेशन रेश्यो' का उपयोग करता है, जिससे मानक अभिसरण दरों (standard convergence rates) को बनाए रखते हुए डोमेन जनरलाइजेशन प्रदर्शन में वृद्धि होती है।

Sumin Cho, Dongwon Kim, Kwangsu Kim2026-06-16
🤖 machine learning

QK-Normed MLA: QK normalization without full key caching

यह शोध पत्र प्रदर्शित करता है कि QK नॉर्मलाइज़ेशन को फुल की कैशिंग (full key caching) से बचने के लिए ऑपरेशन को गणितीय रूप से पुनर्गठित करके मल्टी-हेड लेटेंट अटेंशन (MLA) के साथ निर्बाध रूप से एकीकृत किया जा सकता है, जिससे नगण्य विलंबता ओवरहेड (latency overhead) के साथ बेहतर प्रशिक्षण स्थिरता और डाउनस्ट्रीम सटीकता प्राप्त होती है।

Yizhou Han, Yao Zhao, Jun Zhou, Longfei Li, Ruoyu Sun2026-06-16
🤖 machine learning

Filtered ANN as a Phase Transition: When Selectivity-Estimation Error Causes Plan Regret

यह शोध पत्र फ़िल्टर्ड अनुमानित-निकटतम-पड़ोसी (approximate-nearest-neighbor) प्रश्नों में चयनात्मकता-अनुमान त्रुटियों (selectivity-estimation errors) को एक चरण संक्रमण (phase transition) घटना के रूप में अभिलक्षित करता है, जो यह प्रदर्शित करता है कि निष्पादन योजना पछतावा (execution plan regret) उन महत्वपूर्ण सीमा क्षेत्रों में केंद्रित है जहाँ रणनीति प्रदर्शन की ढलानें (performance cliffs) घटित होती हैं, और कि ये त्रुटियाँ कॉर्पस के आकार से स्वतंत्र सार्वभौमिक परिमित-आकार स्केलिंग नियमों (universal finite-size scaling laws) का पालन करती हैं।

Madhulatha Mandarapu, Sandeep Kunkunuru2026-06-16
💬 NLP

Evaluating LLM Personalization via Semantic Constraint Verification

यह शोधपत्र नेचुरल लैंग्वेज इन्फरेंस कंस्ट्रेंट वेरिफिकेशन (NLICV) को प्रस्तुत करता है, जो एक स्केलेबल और व्याख्या योग्य ढांचा है जो वाक्य के अर्थों को सत्य-शर्त समूहों (truth-condition sets) में मैप करके मॉडल व्यवहारों को वर्गीकृत करने और विश्वसनीय साक्ष्य प्रदान करने के साथ-साथ मौजूदा विधियों की तुलना में कम्प्यूटेशनल लागत को काफी कम करते हुए LLM वैयक्तिकरण का मूल्यांकन करता है।

Xuran Li, Guanqin Zhang, Imran Razzak, Hakim Hacid, Eleanna Kafeza, Hao Xue, Flora D. Salim2026-06-16
🤖 machine learning

CacheMuon: Using Temporal Preconditioning To Approximate Polar Factor

यह शोध पत्र CacheMuon प्रस्तुत करता है, जो एक टेम्पोरल प्रीकंडीशनिंग विधि है जो पिछले चरणों से कैश किए गए सूचना का पुन: उपयोग करके पोलर फैक्टर को अनुमानित करती है, जिससे प्रशिक्षण की गुणवत्ता को नियंत्रित रखते हुए कंप्यूटेशनल लागत को काफी कम किया जा सकता है और Muon ऑप्टिमाइज़र को त्वरित किया जा सकता है।

Bishnu Dev (Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE), Sushil Bohara (Mohamed bin Zayed U (…)2026-06-16
📊 statistics

Scalable and Interpretable Representation Alignment with Ordinal Similarity

यह शोध पत्र एक स्केलेबल और व्याख्या योग्य ऑर्डिनल-समानता ढांचे (ordinal-similarity framework) को प्रस्तुत करता है, जिसे ट्रिप्लेट और क्वाड्रुप्लेट समानता सूचकांकों द्वारा प्रतिपादित किया गया है, ताकि मौजूदा प्रतिनिधित्व संरेखण मेट्रिक्स की व्याख्यात्मकता, मजबूती और स्केलेबिलिटी की सीमाओं को दूर किया जा सके।

Diogo Soares, Pankhil Gawade, Andrea Dittadi, Ewa Szczurek2026-06-16
🤖 machine learning

Robust Neural Tucker Factorization with Bias Correction and Adaptive Initialization

यह शोध पत्र KaBiN का प्रस्ताव करता है, जो उच्च-आयामी अपूर्ण टेंसर पूर्णता (high-dimensional incomplete tensor completion) के लिए एक सुदृढ़ न्यूरल टकर फैक्टराइजेशन मॉडल है, जो अनुकूलन परिदृश्य (optimization landscape) को स्थिर करने और न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ मौजूदा विधियों से बेहतर प्रदर्शन करने के लिए कैमिंग इनिशियलाइज़ेशन (Kaiming initialization) और आउटपुट बायस करेक्शन का लाभ उठाता है।

Yuchao Su, Yixin Ran2026-06-16