cs.LG पेपर | Gist.Science

The Faithfulness Gap: Certifying Semantic Equivalence Between Natural-Language and Formal Mathematical Statements

यह शोधपत्र द्विदिश प्रमाणिकता फिंगरप्रिंटिंग (BPF) को प्रस्तुत करता है, जो प्राकृतिक-भाषा जांचों (natural-language probes) के विरुद्ध अपने तार्किक परिणाम पड़ोस (logical consequence neighborhoods) की तुलना करके ऑटो-फॉर्मलाइज्ड गणितीय कथनों की निष्ठा (faithfulness) को प्रमाणित करने वाला एक ढांचा है, जिससे काउंटरफैक्चुअल प्रोब जनरेशन (Counterfactual Probe Generation) और फेथफुलनेस-गाइडेड डिकोडिंग (Faithfulness-Guided Decoding) जैसे नवीन घटकों के माध्यम से सिमेंटिक ड्रिफ्ट (semantic drift) को महत्वपूर्ण रूप से कम किया जाता है।

Noor Islam S. Mohammad, Tamim Sheikh2026-06-16

🤖 machine learning

MIRAGE: Auditing Anti-Muslim Bias in Frontier LLMs Across Reasoning, Agentic, and Time-Coupled Conditions

यह शोध पत्र MIRAGE प्रस्तुत करता है, जो एक व्यापक बेंचमार्क है जो यह प्रकट करता है कि फ्रंटियर LLMs में मुस्लिम-विरोधी पूर्वाग्रह न केवल चेन-ऑफ-थॉट रीजनिंग और एजेंटिक निर्णय लेने से बढ़ जाता है, बल्कि समय-बद्ध समाचार पुनर्प्राप्ति (time-coupled news retrieval) द्वारा भी और अधिक गंभीर हो जाता है, जबकि मौजूदा शमन रणनीतियाँ इन जटिल, तैनाती-यथार्थवादी परिदृश्यों को संबोधित करने में विफल रहती हैं।

Noor Islam S. Mohammad, Tamim Sheikh2026-06-16

🤖 machine learning

Elastic ODYN: Differentiable Optimization for Infeasible Control and Learning in Robotics

यह शोध पत्र इलास्टिक ओडिन (Elastic ODYN) को प्रस्तुत करता है, जो एक डिफरेंशिएबल प्राइमल-डुअल क्यूपी (QP) सॉल्वर और फ्रेमवर्क है जो संख्यात्मक स्थिरता, निकटतम-संभव समाधानों की अभिसरण (convergence), और संघर्षपूर्ण उद्देश्यों एवं डिजेनरेट कॉन्टैक्ट स्थितियों के तहत भी विश्वसनीय ग्रेडिएंट गणना सुनिश्चित करने के लिए स्मूथ इलास्टिक रिलैक्सेशन का उपयोग करके रोबोटिक्स में असंतुलित नियंत्रण और लर्निंग कार्यों को मजबूती से संभालता है।

Aristotelis Papatheodorou, Jose Rojas, Ioannis Havoutis, Carlos Mastalli2026-06-16

🔬 physics

Learning Interface Breakup: A Geometry-Conditioned Latent Surrogate for Spray Formation

यह शोध पत्र एक ज्यामिति-सशर्त लेटेंट सरोगेट मॉडल प्रस्तुत करता है जो कुशल नोजल डिजाइन के लिए क्षणिक द्वि-चरणीय स्प्रे ब्रेकअप गतिकी (transient two-phase spray breakup dynamics) को सटीक रूप से पुनर्गठित करने हेतु एक कॉम्पैक्ट प्रॉक्सी के रूप में एडेप्टिव मेश रिफाइनमेंट सेल-डेंसिटी क्षेत्रों को एनकोड करके हाई-फिडेलिटी सीएफडी (CFD) सिमुलेशन की तुलना में $6\times10^4$ की गति-वृद्धि प्राप्त करता है।

Julius H Ramlau, Friedrich Hastedt, Tolga Birdal, Ehecatl-Antonio del Río Chanona, Nausheen S Basha, Omar K Matar2026-06-16

🧬 biology

Infant Spontaneous Movement Noise Improves Exploration in Deep RL

यह शोध पत्र यह प्रदर्शित करता है कि डीप रिइन्फोर्समेंट लर्निंग में एक्सप्लोरेशन नॉइज़ (exploration noise) के टेम्पोरल ऑटोकोरिलेशन (temporal autocorrelation) को क्रमिक रूप से बढ़ाकर, शिशु की स्वतःस्फूर्त गतिविधियों के विकासात्मक क्रम की नकल करने से, पारंपरिक व्हाइट नॉइज़ रणनीतियों की तुलना में अधिक संरचित अन्वेषण और बेहतर शिक्षण दक्षता प्राप्त होती है।

Francisco M. López, Markus R. Ernst, Francisco Cruz, Matej Hoffmann, and Jochen Triesch2026-06-16

🤖 machine learning

TreeGRNG: Binary Tree Gaussian Random Number Generator for Efficient Probabilistic AI Hardware

यह शोधपत्र TreeGRNG को प्रस्तुत करता है, जो एक हार्डवेयर-कुशल बाइनरी ट्री गॉसियन रैंडम नंबर जनरेटर है जो एक्सट्रीम एज पर बेयसियन न्यूरल नेटवर्क के लिए बेहतर वितरण सटीकता, काफी कम ऊर्जा खपत और उच्च थ्रूपुट प्राप्त करने के लिए जटिल अंकगणितीय इकाइयों को कम लागत वाले कंपैरेटर्स से बदल देता है।

Jonas Crols, Guilherme Paim, Shirui Zhao, Marian Verhelst2026-06-16

🔬 physics

PhysGuard: Fisher-Guided Gradient Projection for Sim-to-Real Neural PDE Surrogates

PhysGuard एक भौतिकी-संरक्षण ढांचा (physics-preserving framework) है जो फाइन-ट्यूनिंग के दौरान ग्रेडिएंट प्रोजेक्शन को निर्देशित करने के लिए एम्पिरिकल फिशर इंफॉर्मेशन मैट्रिक्स का उपयोग करता है, जो मुख्य भौतिक निरूपणों की रक्षा करते हुए प्रयोगात्मक डेटा के अनुकूल बनाने के माध्यम से न्यूरल PDE सरोगेट्स में सिम-टू-रियल गैप को प्रभावी ढंग से कम करता है।

Changjian Zhou, Junfeng Fang, Negin Yousefpour, Peng Wu, Bin Yan, Guillermo A Narsilio2026-06-16

🤖 machine learning

SPICE: Synergy and Partial Information Based Curriculum Evolution

यह शोध पत्र SPICE का प्रस्ताव करता है, जो मल्टीमॉडल लर्निंग के लिए एक नवीन प्रोग्रेसिव करिकुलम फ्रेमवर्क है जो रेडंडेंट (redundant), यूनिक (unique) और सिनर्जिस्टिक (synergistic) जानकारी के आधार पर सैंपल कॉम्प्लेक्सिटी को गतिशील रूप से चित्रित करने और अनुकूलित करने के लिए पार्शियल इंफॉर्मेशन डिकंपोजिशन (Partial Information Decomposition) का लाभ उठाता है, जिससे मॉडल के विकास के साथ तालमेल बिठाने के लिए वास्तविक समय में प्रशिक्षण पाठ्यक्रम को विकसित करके मौजूदा विधियों से बेहतर प्रदर्शन किया जा सकता है।

Ankush Pratap Singh, Houwei Cao, Yong Liu2026-06-16

🤖 machine learning

Distribution Alignment for One-Shot Federated Learning via Optimal Transport

यह शोधपत्र SLOT-Align को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल, लर्निंग-फ्री फ्रेमवर्क है जो वन-शॉट फेडरेटेड लर्निंग में फीचर रिप्रजेंटेशन को संरेखित करने के लिए क्लोज्ड-फॉर्म जियोडेसिक ऑप्टिमल ट्रांसपोर्ट मैप्स का लाभ उठाता है, जो मौजूदा प्रशिक्षण प्रक्रियाओं को संशोधित किए बिना डोमेन और लेबल के एक साथ बदलाव की चुनौतियों को प्रभावी ढंग से संबोधित करता है।

Daniele Berardini (AI for Good), Vito Paolo Pastore (AI for Good, MaLGa-DIBRIS, University of Genoa, Genoa, Italy), Vitt (…)2026-06-16

💬 NLP

Multimodal Evaluator Preference Collapse: Cross-Modal Contagion in Self-Evolving Agents

यह शोध पत्र मल्टीमॉडल सेल्फ-इवॉल्विंग एजेंट्स में 'इवैल्यूएटर प्रेफरेंस कोलैप्स' (मूल्यांकक प्राथमिकता पतन) की पहचान और मात्रा निर्धारित करता है, जो यह प्रदर्शित करता है कि क्रॉस-मॉडल मूल्यांकन महत्वपूर्ण क्रॉस-मोडल कपलिंग को प्रेरित करता है जो रणनीति चयन को दूषित करता है, जबकि सेल्फ-इवैल्यूएशन इस पूर्वाग्रह के प्रति लगभग पूर्ण प्रतिरक्षा प्रदान करता है।

Zewen Liu2026-06-16

← पिछला अगला →