🤖 machine learning

RePAIR: Predictive Self-Supervised Representation Learning in Chess

यह शोध पत्र RePAIR को प्रस्तुत करता है, जो एक नवीन स्व-पर्यवेक्षित (self-supervised) प्रतिनिधित्व शिक्षण आर्किटेक्चर है जो मास्क किए गए ऑटोएनकोडिंग और भविष्य कहनेवाला मॉडलिंग (predictive modeling) को संयोजित करता है ताकि क्रमिक शतरंज स्थितियों को संक्षिप्त लेटेंट स्पेस में एनकोड किया जा सके, जिससे महंगी सुदृढीकरण सीखने (reinforcement learning) पर निर्भर किए बिना सार्थक शतरंज अवधारणाओं और सहज गेम विश्लेषण का उद्भव संभव हो सके।

Christoph Koller, Johannes Fürnkranz, Timo Bertram2026-06-11
📊 statistics

Conformal Bayes under Label Shift: Post-Hoc Calibration vs. In-Training Adaptation

यह शोध पत्र पोस्ट-हॉक कैलिब्रेशन (जो पैरामीटर पोस्टीरियर को स्थिर रखते हुए कॉन्फॉर्मल थ्रेशोल्ड को समायोजित करता है) की तुलना इन-ट्रेनिंग अडैप्टेशन (जो स्वयं पैरामीटर पोस्टीरियर को पुन: भारित करता है) से करते हुए कॉन्फॉर्मल बेयस में लेबल शिफ्ट को संभालने के लिए एक एकीकृत ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि दोनों वैध कवरेज प्राप्त करते हैं लेकिन बाद वाला पक्षपातपूर्ण प्रशिक्षण व्यवस्थाओं में बेहतर दक्षता प्रदान करता है।

Seungjin Choi2026-06-11
🧬 biology

MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry

MemNovo एक प्रशिक्षण-मुक्त (training-free), प्लग-एंड-प्ले तंत्र है जो एक निरंतर स्पेक्ट्रल मेमोरी बैंक स्थापित करके 'डी नोवो' पेप्टाइड अनुक्रमण (de novo peptide sequencing) को बढ़ाता है ताकि ट्रांसफॉर्मर-आधारित मॉडलों की अनुक्रम पूर्वग्रहों (sequence priors) पर अत्यधिक निर्भर रहने की प्रवृत्ति का मुकाबला किया जा सके, जिससे बिना किसी अतिरिक्त कम्प्यूटेशनल ओवरहेड के सटीकता और स्पेक्ट्रल फिडेलिटी में महत्वपूर्ण सुधार होता है।

Dongxin Lyu, Jingbo Zhou, Hongxin Xiang, Yuqiang Li, Jun Xia2026-06-11
📊 statistics

From Persistence to Survival: Hypothesis Testing, Effect Sizes and Vectorisation for Topological Features

यह शोध पत्र STRAND को प्रस्तुत करता है, जो एक नवीन ढांचा है जो पर्सिस्टेंस डायग्राम्स (persistence diagrams) को सर्वाइवल डेटा (survival data) के रूप में मानता है ताकि एक ही सुसंगत प्रतिनिधित्व से एक सांख्यिकीय रूप से कठोर गैर-पैरामीट्रिक परिकल्पना परीक्षण, व्याख्या योग्य प्रभाव आकार (effect sizes), और मशीन लर्निंग के लिए एक स्थिर फीचर वेक्टर को एक साथ प्रदान किया जा सके।

Juliette Murris, Bernadette Stolz, Karsten Borgwardt2026-06-11
🤖 machine learning

Corpus Augmentation for Sign Language Translation via LLM-Guided Video Stitching

यह शोध पत्र संकेत भाषा अनुवाद (Sign Language Translation) के लिए एक कॉर्पस संवर्धन (corpus augmentation) विधि प्रस्तावित करता है जो मौजूदा डेटा से प्रति-ग्लॉस क्लिप्स निकालकर और नवीन वाक्य-ग्लॉस संरेखण (sentence-gloss alignments) बनाने के लिए एक एलएलएम (LLM) का उपयोग करके सिंथेटिक वीडियो-टेक्स्ट युग्म उत्पन्न करता है, जिससे अतिरिक्त मानव एनोटेशन, बाहरी कॉर्पसी या जनरेटिव वीडियो मॉडल की आवश्यकता के बिना बेसलाइन की तुलना में महत्वपूर्ण BLEU-4 सुधार प्राप्त होता है।

Zsolt Robotka, Ádám Rák, Jalal Al-Afandi, András Horváth, György Cserey2026-06-11
📊 statistics

Online Shift Detection and Conformal Adaptation for Deployed Safety Classifiers

यह शोध पत्र एक ऑनलाइन निगरानी प्रणाली प्रस्तुत करता है जो अनुक्रमिक सांख्यिकी (sequential statistics) का उपयोग करके तैनात सुरक्षा वर्गीकरणकर्ताओं (safety classifiers) में वितरण संबंधी बदलावों (distributional shifts) का पता लगाती है और तत्पश्चात लक्षित त्रुटि दरों को पुनः प्राप्त करने के लिए कॉन्फॉर्मल अनुकूलन (conformal adaptation) का उपयोग करती है, हालांकि इसकी प्रभावशीलता विभिन्न मॉडल आर्किटेक्चर और बदलाव के प्रकारों के बीच काफी भिन्न होती है, जिसके लिए प्रति-वर्गीकरणकर्ता निगरानी प्रोफाइल की आवश्यकता होती है।

Jun Wen Leong2026-06-11
🤖 machine learning

Categorical Prior Lock-in: Why In-Context Learning Fails for Structured Data

यह शोध पत्र प्रकट करता है कि जहाँ इन-कॉन्टेक्स्ट लर्निंग (in-context learning) संरचित डेटा जनरेशन में संख्यात्मक सटीकता (numerical fidelity) में सुधार कर सकती है, वहीं यह "कैटेगोरिकल प्रायर लॉक-इन" (categorical prior lock-in) के कारण दुर्लभ श्रेणीगत वर्गों (rare categorical classes) के अनुकूल होने में मौलिक रूप से विफल रहती है, जो एक ऐसी सीमा है जिसे पैरामीटर-एफिशिएंट फाइन-ट्यूनिंग (parameter-efficient fine-tuning) तो दूर कर सकती है लेकिन रटने के जोखिमों और संभावित आउटपुट अस्थिरता की कीमत पर।

Antonio Pelusi, Stefano Braghin, Alberto Trombetta2026-06-11
📊 statistics

Efficient Multinomial Logistic Bandit via Frequent Directions

यह शोध पत्र EOFD-MLogB प्रस्तावित करता है, जो मल्टीनोमियल लॉजिस्टिक बैंडिट्स के लिए एक कुशल ऑनलाइन एल्गोरिदम है जो हेसियन (Hessian) के लगभग लो-रैंक होने पर निकट-इष्टतम रिग्रेट बाउंड बनाए रखते हुए प्रति-राउंड समय और स्पेस कॉम्प्लेक्सिटी को महत्वपूर्ण रूप से कम करने के लिए फ्रीक्वेंट डायरेक्शन्स मैट्रिक्स स्केचिंग का लाभ उठाता है।

Linzhe He, Yu-Jie Zhang, Sifan Yang, Lijun Zhang2026-06-11
🤖 machine learning

PAWS: Preference Learning with Advantage-Weighted Segments

PAWS एक प्राथमिकता-आधारित सुदृढीकरण लर्निंग (preference-based reinforcement learning) विधि है जो नीति अपडेट के लिए सीधे सेगमेंट-स्तरीय एडवांटेज फंक्शनों का उपयोग करके मौजूदा दृष्टिकोणों में प्रशिक्षण-अनुमान विसंगति (training-inference mismatch) को हल करती है, जिससे प्रक्षेपवक्र-स्तरीय प्राथमिकता जानकारी सुरक्षित रहती है और रोबोटिक कार्यों में प्रदर्शन में उल्लेखनीय सुधार होता है।

Aleksandar Taranovic, Onur Celik, Niklas Freymuth, Ge Li, Serge Thilges, Huy Le, Tai Hoang, Rania Rayyes, Gerhard Neuman (…)2026-06-11
📊 statistics

What Uncertainties Do We Need for Dynamical Systems?

यह शोध पत्र अनिश्चितता के स्रोतों को स्पष्ट करते हुए और यह परीक्षण करते हुए कि विभिन्न कार्यों में अनिश्चितता परिमाणीकरण के उद्देश्य कैसे भिन्न होते हैं, एलीटोरिक (aleatoric) और एपिस्टेमिक (epistemic) अनिश्चितताओं के बीच अंतर करके गतिशील प्रणालियों के लिए अनिश्चितता मॉडलिंग पर एक मशीन लर्निंग परिप्रेक्ष्य प्रस्तुत करता है।

Yusuf Sale, Christopher Bülte, Felix Czaja, Joshua Stiller, Eyke Hüllermeier2026-06-11