🤖 Category

cs.LG

19863 पेपर

📊 statistics

Gauge-Invariant, Parameter-Insensitive Regularization for Potential Recovery from Flow on Directed Graphs

यह शोध पत्र निर्देशित ग्राफ प्रवाह (directed graph flows) से गुप्त विभव (latent potentials) को पुनः प्राप्त करने की दुर्बल समस्या (ill-posed problem) को हल करने के लिए ग्राफ डिरिचलेट ऊर्जा (graph Dirichlet energy) का उपयोग करते हुए एक गेज-इनवेरिएंट (gauge-invariant), पैरामीटर-असंवेदनशील नियमितीकरण विधि प्रस्तुत करता है, जो मानक रिज रेगुलराइजेशन (ridge regularization) द्वारा उत्पन्न होने वाले ऑर्डरिंग कोलैप्स (ordering collapse) और डायनेमिक रेंज लॉस (dynamic range loss) को प्रभावी ढंग से रोकता है और साथ ही डीप ग्राफ न्यूरल नेटवर्क्स को स्थिर करने के व्यापक निहितार्थ प्रदान करता है।

Mohammad Forouhesh2026-07-16
🤖 machine learning

The SIGReg Objective as Variational Free Energy: A Theoretical Active-Inference Account of JEPA World Models

यह शोध पत्र जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPAs) के लिए एक सैद्धांतिक एक्टिव इन्फरेंस फ्रेमवर्क स्थापित करता है, यह सिद्ध करते हुए कि SIGReg रेगुलराइज़र पूर्व-मिसकैलिब्रेशन अंतराल (prior-miscalibration gap) को समाप्त करके प्रशिक्षण उद्देश्य को एक वैध वेरिएशनल फ्री एनर्जी में अनन्य रूप से रूपांतरित करता है, जबकि अन्य सामान्य रेगुलराइज़र आवश्यक सरप्राइज बाउंड्स को बनाए रखने में विफल रहते हैं।

Fabio Arnez, Alexandra Gomez-Villa2026-07-16
🤖 AI

STOCKTAKE: Measuring the Gap Between Perception and Action in LLM Agents with a Fair Oracle

यह शोध पत्र STOCKTAKE को प्रस्तुत करता है, जो एक 26-सप्ताह का आपूर्ति-श्रृंखला बेंचमार्क है जिसमें एक निष्पक्ष ओरेकल (oracle) शामिल है जो अवस्था अनुमान (state estimation) को नियंत्रण कार्यों (control actions) से अलग करता है, यह प्रकट करते हुए कि जहाँ उन्नत LLM एजेंट छिपी हुई विफलताओं का सटीक निदान कर सकते हैं, वहीं वे अक्सर इस ज्ञान को प्रभावी निर्णयों में बदलने में विफल रहते हैं, जिसके परिणामस्वरूप प्रदर्शन अंतराल उत्पन्न होता है जहाँ कुछ मॉडल बेहतर पहचान क्षमताओं के बावजूद एक लक्षण-अंध (symptom-blind) बेसलाइन से भी कम प्रदर्शन करते हैं।

Sagar Deb, Ashwanth Krishnan2026-07-16
🤖 machine learning

How the Hessian-Spectrum of Neural Networks Depends on Data

यह शोध पत्र किसी भी आर्किटेक्चर और डेटासेट वाले लीनियर नेटवर्क के हेसियन मैट्रिक्स (Hessian matrix) के आइजनवैल्यूज़ (eigenvalues) को व्युत्पन्न करता है, जिससे यह प्रकट होता है कि वर्गीकरण कार्यों में समाधान की शार्पनेस (solution sharpness) सीधे तौर पर किसी भी एकल वर्ग में नमूनों के अधिकतम अनुपात द्वारा निर्धारित होती है, जबकि यह भी प्रदर्शित करता है कि ये सैद्धांतिक अंतर्दृष्टि सरलीकृत धारणाओं को शिथिल करने और नॉनलिनियैरिटी (nonlinearities) पेश करने के बावजूद सुदृढ़ बनी रहती हैं।

Jasraj Singh, Enea Monzio Compagnoni, Antonio Orvieto2026-07-16
🤖 machine learning

Consensus as Privileged Context for Label-Free Self-Distillation

यह शोध पत्र CANON को प्रस्तुत करता है, जो एक लेबल-मुक्त स्व-डिस्टिलेशन (self-distillation) विधि है जो सघन, टोकन-स्तरीय पर्यवेक्षण प्रदान करने के लिए कई मॉडल आउटपुट के बीच सर्वसम्मति का लाभ उठाती है, जिससे तर्क सटीकता में महत्वपूर्ण सुधार होता है और यह मौजूदा लेबल-मुक्त दृष्टिकोणों से बेहतर प्रदर्शन करते हुए गोल्ड-लेबल प्रशिक्षण के प्रदर्शन के करीब पहुँच जाता है।

John Gkountouras, Josip Jukić, Ivan Titov2026-07-16
🤖 machine learning

Maximally Robust Satisficing Bayesian Optimization

यह शोध पत्र एक बेयसियन अनुकूलन (Bayesian optimization) विधि प्रस्तुत करता है जो तैनाती के बाद होने वाले सबसे बड़े संभावित इनपुट परिवर्तनों के प्रति सुदृढ़ संतोषजनक समाधानों की पहचान करता है, जो ब्लैक-बॉक्स अनुकूलन कार्यों में कई पर्याप्त डिजाइनों के बीच प्राथमिकता को संबोधित करता है।

Samuli Kinnunen, Petrus Mikkola, Antti Niskanen, Arto Klami2026-07-16
🔬 materials science

Microstructure-Conditioned Surrogate Models for Graded Multiscale Optimization of Mycelium Composites

यह शोध पत्र एक माइक्रोस्ट्रक्चर-कंडीशन्ड हाइपरनेटवर्क सरोगेट मॉडल प्रस्तुत करता है जो माइसेलियम कंपोजिट के कुशल मल्टीस्केल अनुकूलन को सक्षम बनाता है, जिससे फंक्शनली ग्रेडेड संरचनाओं के लिए पीक स्ट्रेस में 42% की कमी आती है और साथ ही विनिर्माण चरों (मैन्युफैक्चरिंग वेरिएबल्स) के माध्यम से सीधे माइक्रोस्ट्रक्चर को इंजीनियर करने का एक व्यावहारिक मार्ग प्रदर्शित होता है।

J. Storm, I. B. C. M. Rocha, S. Schyck, K. Masania, F. P. van der Meer2026-07-16
🤖 machine learning

Constraint-Driven Model Optimization: An Industry Framework for Selecting Compression and Acceleration Techniques in Modern Machine Learning Systems

यह शोध पत्र एक एकीकृत, बाधा-संचालित ढांचे (constraint-driven framework) को प्रस्तुत करता है जो चिकित्सकों को एल्गोरिदम श्रेणियों पर निर्भर रहने के बजाय, अनुभवजन्य लाभों को पांच प्रमुख परिनियोजन आयामों—डेटा उपलब्धता, विलंबता (latency), मेमोरी, सटीकता सहनशीलता और पुनप्रशिक्षण बजट—में मैप करके मॉडल अनुकूलन तकनीकों का चयन करने और उन्हें संयोजित करने में मार्गदर्शन करता है।

Dhruv Shivkant, Saket Mohanty, Utkarsh Wadhwa2026-07-16
📊 statistics

Algebraic Representability as the Limiting Regime of Grokking: An Exactly Solvable Model with Holomorphic Activations

यह शोध पत्र यह प्रदर्शित करता है कि मॉड्यूलर अंकगणित पर प्रशिक्षित होलोमोर्फिक मोनोमियल एक्टिवेशन वाले दो-परत वाले न्यूरल नेटवर्क में, अभिव्यक्त होने वाला फलन वर्ग (फंक्शन क्लास) एक परिमित-आयामी बीजगणितीय विविधता (एल्जेब्रिक वैरायटी) में सिमट जाता है, जिससे नेटवर्क या तो तत्काल सामान्यीकरण (इंस्टेंट जनरलाइजेशन) या गारंटीकृत प्रशिक्षण विफलता का द्विआधारी परिणाम प्रदर्शित करता है—जिससे क्षमता-ग्रोकिंग संबंध के सीमांत शासन (लिमिटिंग रिजीम) तक पहुँचते ही ग्रोकिंग घटना पूरी तरह से समाप्त हो जाती है।

Chon-Fai Kam, Xavier Cadet, Miloud Bessafi, Frederic Cadet2026-07-16
🤖 machine learning

MxGPS: Multiplex Graph Transformers for a Power Grid Foundation Model

MxGPS एक पैरामीटर-कुशल मल्टीप्लेक्स ग्राफ ट्रांसफार्मर पेश करता है जो "टोपोलॉजी ओवरफिटिंग" को दूर करने के लिए स्टेटिक स्टेट एस्टीमेशन और एसी पावर फ्लो पर मल्टी-टास्क जॉइंट ट्रेनिंग का लाभ उठाता है, जिससे उन अनदेखी पावर ग्रिड टोपोलॉजीज़ में मजबूत ज़ीरो-शॉट जनरलाइजेशन हासिल होता है जहाँ सिंगल-टास्क मॉडल विफल हो जाते हैं।

Charilaos Papaioannou, Ioannis Tsantilas, Dimitris Giannakakos, Vasilis Michalakopoulos, Sotiris Pelekis, Vangelis Marin (…)2026-07-16