🤖 Category

cs.LG

22512 पेपर

🤖 AI

The Role of Feedback Alignment in Self-Distillation

यह शोध पत्र यह प्रदर्शित करता है कि सेल्फ-डिस्टिलेशन (self-distillation) तब सबसे प्रभावी होता है जब सेल्फ-टीचर (self-teacher) को एक फ्रोजन क्रिटिक (frozen critic) से स्टेप-अलाइन्ड (step-aligned) आलोचनाओं के आधार पर कंडिशन किया जाता है, क्योंकि यह संरचनात्मक संरेखण केवल त्रुटिपूर्ण टोकन को लक्षित करता है और सही तर्क को सुरक्षित रखता है, जो बाइनरी रिवार्ड्स (binary rewards) या रेफरेंस सॉल्यूशंस (reference solutions) का उपयोग करने वाली विधियों की तुलना में काफी बेहतर प्रदर्शन करता है।

Semih Kara, Oğuzhan Ersoy2026-06-10
💬 NLP

A Unifying Lens on Supervised Fine-Tuning Through Target Distribution Design

यह शोध पत्र प्रस्तावित Q-टारगेट फ्रेमवर्क के माध्यम से सुपरवाइज्ड फाइन-ट्यूनिंग (SFT) को एक लक्षित वितरण डिजाइन समस्या के रूप में पुनर्व्याख्या करता है, जिससे टारगेट-SFT का विकास होता है, जो वांछित वितरणों से सीधे प्रशिक्षण उद्देश्यों का निर्माण करता है और विभिन्न तर्क संबंधी कार्यों (reasoning tasks) में मौजूदा विधियों से लगातार बेहतर प्रदर्शन करता है।

Tong Xie, Yuanhao Ban, Yunqi Hong, Sohyun An, Yihang Chen, Cho-Jui Hsieh2026-06-10
🤖 machine learning

When to Align, When to Predict: A Phase Diagram for Multimodal Learning

यह शोधपत्र एक एकीकृत रैखिक ढांचे (unified linear framework) और एक संगत फेज़ आरेख (phase diagram) का प्रस्ताव करता है जो यह निदान करता है कि मल्टीमॉडल लर्निंग के लिए क्रॉस-मोडल अलाइनमेंट, क्रॉस-मोडल प्रेडिक्शन, या दोनों में से कोई भी नहीं कब इष्टतम है, जिससे अभ्यासकर्ताओं को प्रदर्शन में गिरावट से बचने के लिए प्रशिक्षण से पहले उपयुक्त उद्देश्य चुनने में मदद मिलती है।

Ilay Kamai, Hugues Van Assel, Aviv Regev, Hagai B. Perets, Randall Balestriero2026-06-10
🤖 machine learning

Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook

यह सर्वेक्षण टाइम सीरीज़ और स्पेसियो-टेम्पोरल डेटा के लिए विशेष रूप से तैयार किए गए बड़े मॉडलों की एक व्यापक समीक्षा प्रदान करता है, जो डेटा प्रकारों, मॉडल स्कोप और अनुप्रयोगों के आधार पर मौजूदा कार्यों को वर्गीकृत करता है और संसाधनों को संकलित करते हुए खुले अनुसंधान अवसरों पर प्रकाश डालता है।

Ming Jin, Yaxuan Kong, Yuxuan Liang, Chaoli Zhang, Siqiao Xue, Xue Wang, James Zhang, Yi Wang, Haifeng Chen, Xiaoli Li (…)2026-06-09
🤖 machine learning

Bayesian Multistate Bennett Acceptance Ratio Methods

यह शोध पत्र BayesMBAR प्रस्तुत करता है, जो मल्टीस्टेट बेनेट एक्सेप्टेंस रेशियो (MBAR) विधि का एक बायेसियन सामान्यीकरण है, जो अधिक सटीक अनिश्चितता अनुमान प्रदान करने के लिए मुक्त ऊर्जा पोस्टीरियर वितरणों की गणना करता है और मुक्त ऊर्जा गणनाओं में सतह की चिकनाई जैसे पूर्व ज्ञान को शामिल करने की अनुमति देता है।

Xinqiang Ding2026-06-09
🤖 machine learning

Persistent Homology for High-dimensional Data Based on Spectral Methods

यह शोध पत्र उच्च-आयामी डेटा में पारंपरिक पर्सिस्टेंट होमोलॉजी (persistent homology) की शोर संवेदनशीलता (noise sensitivity) को दूर करने के लिए k-निकटतम-पड़ोसी (k-nearest-neighbor) ग्राफ पर डिफ्यूजन डिस्टेंस (diffusion distance) और प्रभावी प्रतिरोध (effective resistance) जैसे स्पेक्ट्रल दूरियों का उपयोग करने का प्रस्ताव देता है, जो सिंगल-सेल आरएनए-अनुक्रमण (single-cell RNA-sequencing) डेटासेट पर प्रदर्शित मजबूत टोपोलॉजिकल विश्लेषण को सक्षम बनाता है।

Sebastian Damrich, Philipp Berens, Dmitry Kobak2026-06-09
📊 statistics

The Mirrored Influence Hypothesis: Efficient Data Influence Estimation by Harnessing Forward Passes

यह शोध पत्र मिर्ड ओरड इन्फ्लुएंस हाइपोथीसिसिस (Mirrored Influence Hypothesis) को प्रस्तुत करता है, जो प्रशिक्षण डेटा प्रभाव अनुमान (training data influence estimation) को इस तरह के एक व्युत्क्रम समस्या (inverse problem) के रूप में पुनर्गठित करता है कि विशिष्ट परीक्षण नमूनों पर प्रशिक्षित होने से परीक्षण भविष्यवाणियाँ कैसे बदलेंगी, जिससे एक काफी अधिक कुशल विधि सक्षम होती है जो प्रशिक्षण डेटा के लिए फॉरवर्ड पासेस (forward passes) और परीक्षण डेटा के लिए ग्रेडिएंट्स (gradients) का लाभ उठाती है।

Myeongseob Ko, Feiyang Kang, Weiyan Shi, Ming Jin, Zhou Yu, Ruoxi Jia2026-06-09
📊 statistics

Investigating the Histogram Loss in Regression

यह शोध पत्र रिग्रेशन के लिए हिस्टोग्राम लॉस (Histogram Loss) की जांच करता है, जो सैद्धांतिक और अनुभवजन्य विश्लेषण के माध्यम से यह प्रदर्शित करता है कि इसके प्रदर्शन में वृद्धि मुख्य रूप से बेहतर अनुकूलन (optimization) से आती है न कि उन्नत वितरण मॉडलिंग (distributional modeling) से, और साथ ही व्यापक हाइपरपैरामीटर ट्यूनिंग के बिना डीप लर्निंग अनुप्रयोगों में इसकी व्यावहारिक व्यवहार्यता को भी सिद्ध करता है।

Ehsan Imani, Kai Luedemann, Sam Scholnick-Hughes, Esraa Elelimy, Martha White2026-06-09
🤖 machine learning

Are Classification Robustness and Explanation Robustness Really Strongly Correlated? An Analysis Through Input Loss Landscape

यह शोध पत्र एक नवीन इनपुट लॉस लैंडस्केप विश्लेषण और एक विशिष्ट प्रशिक्षण पद्धति के माध्यम से इस पारंपरिक विश्वास को चुनौती देता है कि वर्गीकरण (classification) और स्पष्टीकरण (explanation) सुदृढ़ता (robustness) आपस में दृढ़ता से सहसंबंधित हैं, यह प्रदर्शित करते हुए कि स्पष्टीकरण सुदृढ़ता को बढ़ाने से वर्गीकरण सुदृढ़ता में आवश्यक रूप से सुधार नहीं होता है।

Tiejin Chen, Wenwang Huang, Linsey Pang, Dongsheng Luo, Hua Wei2026-06-09
📊 statistics

Spectral Truncation Kernels: Noncommutativity in C∗C^*-algebraic Kernel Machines

यह शोध पत्र स्पेक्ट्रल ट्रंकेशन कर्नेल्स (spectral truncation kernels) को प्रस्तुत करता है, जो C∗C^*-बीजगणित सिद्धांत पर आधारित गैर-कम्यूटेटिव (noncommutative) धनात्मक निश्चित कर्नेल्स का एक नवीन वर्ग है, जो वेक्टर- और फलन-मानित (vector- and function-valued) शिक्षण में स्थानीय और गैर-स्थानीय अंतःक्रियाओं को प्रभावी ढंग से मॉडल करता है और मौजूदा ऑपरेटर-मानित कर्नेल विधियों की तुलना में कम्प्यूटेशनल लागत को कम करता है।

Yuka Hashimoto, Ayoub Hafid, Masahiro Ikeda, Hachem Kadri2026-06-09