💰 quantitative finance

Discovery under Hypothesis Redundancy: A Geometric Theory of Discovery Bottlenecks

यह शोध पत्र खोज बाधाओं (discovery bottlenecks) का एक ज्यामितीय सिद्धांत प्रस्तावित करता है, जो यह प्रदर्शित करता है कि स्थानीय खोज (local search) के साथ LLM-जनित प्रस्तावों को संयोजित करने वाली हाइब्रिड प्रणालियाँ वैज्ञानिक सफलताएँ केवल तभी प्राप्त करती हैं जब स्पेक्ट्रल संपीड़न (spectral compression), ऑर्थोगोनल एस्केप (orthogonal escape) और अवशिष्ट सिग्नल संरेखण (residual signal-alignment) की विशिष्ट स्थितियाँ पूरी होती हैं, जिससे नवीनता खोज (novelty search) को इस निर्धारण के लिए एक नैदानिक उपकरण में बदल दिया जाता है कि गैर-स्थानीय अन्वेषण वास्तव में कब आवश्यक है।

Li Xia, Baoxun Wang2026-06-15
🤖 machine learning

A theoretical model for task routing in mixture-of-expert transformers

यह शोध पत्र विविक्त भाषा निरूपणों (discrete language representations) का उपयोग करते हुए एक सैद्धांतिक मॉडल प्रस्तुत करता है ताकि यह औपचारिक रूप से सिद्ध किया जा सके कि सिंगल-लेयर मिक्सचर-ऑफ-एक्सपर्ट्स ट्रांसफॉर्मर, विशिष्ट कार्यों की अंतर्निहित जटिलता के अनुसार अद्वितीय विशेषज्ञों तक क्वेरीज़ को रूट करके कार्य-विशेषज्ञता (task-expert specialization) प्राप्त कर सकते हैं, जिससे स्थानीयकृत ज्ञान सर्किट (localized knowledge circuits) के अनुभवजन्य अवलोकनों के लिए एक सैद्धांतिक आधार प्राप्त होता है।

Yongli Xiang, Vinoth Nandakumar, Yunzhi Yao, Peike Li, Tongliang Liu2026-06-15
📊 statistics

Federated Learning for Feature Generalization with Convex Constraints

यह शोधपत्र FedCONST का प्रस्ताव करता है, जो एक फेडरेटेड लर्निंग फ्रेमवर्क है जो प्रशिक्षण को स्थिर करने, विषम क्लाइंट डेटा पर ओवरफिटिंग को कम करने और अत्याधुनिक फीचर जनरलाइजेशन प्राप्त करने के लिए एडेप्टिव अपडेट मॉड्यूलेशन और लीनियर कॉनवेक्स कंस्ट्रेंट्स का उपयोग करता है।

Dongwon Kim, Donghee Kim, Sung Kuk Shyn, Kwangsu Kim2026-06-15
🤖 AI

Causal Object-Centric Models for Planning with Monte Carlo Tree Search

यह शोध पत्र COMET को प्रस्तुत करता है, जो एक मॉडल-आधारित सुदृढीकरण अधिगम (reinforcement learning) एल्गोरिदम है जो एक फ्रोजन ऑब्जेक्ट-सेंट्रिक एनकोडर को एक्शन-स्लॉट फ्यूजन और ऑब्जेक्ट-कॉज़ल अटेंशन वाले ट्रांसफार्मर-आधारित वर्ल्ड मॉडल के साथ जोड़कर मोंटे कार्लो ट्री सर्च प्लानिंग को बेहतर बनाता है, जिसके परिणामस्वरूप मौजूदा बेसलाइनों की तुलना में विविध दृश्य और गतिशील कार्यों में उत्कृष्ट प्रारंभिक-चरण प्रदर्शन प्राप्त होता है।

Rodion Vakhitov, Leonid Ugadiarov, Alexey Skrynnik, Aleksandr Panov2026-06-15
🤖 machine learning

EM-NeSy: Expectation Maximization for Neurosymbolic Learning

यह शोध पत्र EM-NeSy को प्रस्तुत करता है, जो एक नवीन न्यूरोसिम्बोलिक लर्निंग फ्रेमवर्क है जो एक्सपेक्टेशन-मैक्सिमाइज़ेशन (Expectation-Maximization) एल्गोरिदम का लाभ उठाकर स्केलेबल और कुशल प्रशिक्षण को सक्षम बनाता है, जिससे प्रतीकात्मक घटक (symbolic component) के डिफरेंशिएबल होने की आवश्यकता नहीं होती है, और इस प्रकार यह सटीक और अनुमानित दोनों प्रकार के तर्क (reasoning) का समर्थन करता है।

Annegret Seibt, Luc De Raedt, Giuseppe Marra2026-06-15
🤖 AI

The Perceived Fragility of Explanations in Audio Models: Manipulation of Attribution with Unchanged Predictions

यह शोध पत्र एक मनोध्वनिक (psychoacoustic) ढांचे को प्रस्तुत करता है जो यह प्रदर्शित करता है कि ऑडियो डीपफेक डिटेक्शन मॉडल के लिए पोस्ट-हॉक स्पष्टीकरण नाजुक होते हैं, क्योंकि हमलावर मॉडल के मूल वर्गीकरण को सुरक्षित रखते हुए एट्रिब्यूशन हीटमैप्स को व्यवस्थित रूप से विकृत करने के लिए अदृश्य गड़बड़ी (inaudible perturbations) लागू कर सकते हैं।

Piotr Kitłowski, Dominik Wiącek, Mateusz Modrzejewski2026-06-15
🔢 mathematics

Nonlinear Two-Time-Scale Stochastic Approximation: A Sharp Phase Transition and How to Beat It

यह शोधपत्र नॉनलीनियर टू-टाइम-स्केल स्टोकेस्टिक एप्रोक्सिमेशन (nonlinear two-time-scale stochastic approximation) की अभिसरण दर (convergence rate) में एक तीव्र चरण संक्रमण (sharp phase transition) की पहचान करता है, जो यह दर्शाता है कि अनकॉर्डक्टेड अपडेट्स (uncorrected updates) स्थानीय नॉनलिनियैरिटी द्वारा निर्धारित एक धीमी दर से ग्रस्त होते हैं, लेकिन एक सहायक ऑनलाइन बायस एस्टीमेटर (auxiliary online bias estimator) को पेश करके नॉनलिनियर लीकेज (nonlinear leakage) को रद्द किया जा सकता है, जिससे एक इष्टतम k1k^{-1} दर प्राप्त करने के लिए इस सीमा को दूर किया जा सकता है।

Dhruv Sarkar, Vaneet Aggarwal2026-06-15
🤖 machine learning

Recipe-Controlled Decoder Audit for Structural Knowledge-Graph Completion

यह शोध पत्र स्ट्रक्चरल नॉलेज-ग्राफ कंप्लीशन में डिकोडर विकल्पों के प्रभाव का व्यवस्थित रूप से मूल्यांकन करने के लिए एक रेसिपी-कंट्रोल्ड डिकोडर ऑडिट (RCDA) प्रोटोकॉल प्रस्तुत करता है, जो यह प्रकट करता है कि डिकोडर का प्रदर्शन प्रशिक्षण रेसिपी और डेटासेट उत्पत्ति के प्रति अत्यधिक संवेदनशील है, विशेष रूप से छोटे नॉलेज ग्राफ पर, और विशिष्ट एनकोडर को लाभ का श्रेय देने से पहले मैच की गई डिकोडर तुलना का समर्थन करता है।

Xihang Shan, Ye Luo2026-06-15
📊 statistics

Beyond the Training Distribution: Evaluating Predictions Under Distribution Shift and Selection Bias

यह शोध पत्र कोवेरिएट शिफ्ट (covariate shift) और चयनात्मक लेबलिंग (selective labeling) की संयुक्त चुनौतियों के तहत ब्लैक-बॉक्स प्रेडिक्शन मॉडल्स के लक्षित जोखिम (target risk) का सटीक अनुमान लगाने के लिए इन्फ्लुएंस फंक्शन्स (influence functions) पर आधारित एक डबल मशीन लर्निंग प्रक्रिया प्रस्तावित करता है, जो इलेक्ट्रॉनिक हेल्थ रिकॉर्ड प्रयोगों में मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

Annie Ulichney, Amanda Coston2026-06-15
🤖 machine learning

Code Correctness Signals in LLM Hidden States: Pre-Generation Probing and Repair Geometry

यह शोध पत्र प्रदर्शित करता है कि कोड की शुद्धता (correctness) को जनरेशन से पहले एक Qwen3-4B मॉडल के हिडन स्टेट्स (hidden states) से रैखिक रूप से डिकोड किया जा सकता है, जबकि कठोर रेसिडुअलाइजेशन नियंत्रणों (residualization controls) के माध्यम से यह प्रकट होता है कि स्पष्ट "सुधार" (repair) संकेत वास्तव में संदर्भ द्वारा भ्रमित (confounded) हैं, न कि पृथक समझ संबंधी विशेषताओं का प्रतिनिधित्व करते हैं।

Carlo Di Cicco2026-06-15