🤖 machine learning

Structural Decoupling: A Scaffold-Flow Theory of Generalization and Alignment

यह शोध पत्र स्ट्रक्चरल लर्निंग थ्योरी (StrLT) प्रस्तुत करता है, जो "चौड़ाई" (width) की अवधारणा पर केंद्रित एक ढांचा है जो टास्क-के-भीतर सामान्यीकरण (within-task generalization) और संरचनात्मक व्यवस्थाओं (structural regimes) की खोज के बीच अंतर करता है, और एक "स्कैफोल्ड-फ्लो" (scaffold-flow) आर्किटेक्चर का प्रस्ताव करता है जहाँ गैर-स्थिर वातावरणों में चुनौतियों और एआई सुरक्षा विफलताओं को संबोधित करने के लिए संरचनात्मक रखरखाव और प्रवाह अनुकूलन को अलग किया गया है।

Xin Li2026-06-09
📊 statistics

How Reliable are Fairness Audits with Unreliable Data?

यह शोध पत्र एक सीड-कैलिब्रेटेड (seed-calibrated) स्ट्रेस टेस्ट प्रस्तुत करता है जो यह दर्शाता है कि निष्पक्षता ऑडिट (fairness audits) में संरक्षित-लेबल की अनुपलब्धता (protected-label missingness) अक्सर प्राकृतिक सीड परिवर्तनशीलता (natural seed variability) से परे शमन परिणामों (mitigation outcomes) को महत्वपूर्ण रूप से नहीं बदलती है, हालांकि यह थ्रेशोल्ड अनुकूलन (threshold optimization) के दौरान प्रतिच्छेदन संबंधी हानि (intersectional harm) जैसे विशिष्ट विफलता मोड को उजागर कर सकती है, जो यह सुझाव देता है कि अनुपलब्धता के प्रभावों को ऑडिट की भंगुरता (audit fragility) मानकर खारिज करने के बजाय सावधानीपूर्वक अंशांकन (calibration) और संदर्भ के साथ रिपोर्ट किया जाना चाहिए।

Yash Vardhan Tomar2026-06-09
🤖 machine learning

Convergence Bound and Critical Batch Size of Muon Optimizer

यह शोध पत्र विभिन्न सेटिंग्स में म्यूऑन (Muon) ऑप्टिमाइज़र के लिए सैद्धांतिक अभिसरण प्रमाण प्रदान करता है, यह प्रदर्शित करता है कि वेट डिके (weight decay) सीमित-ग्रेडिएंट धारणाओं की आवश्यकता के बिना पैरामीटर और ग्रेडिएंट नॉर्म्स को सीमित सुनिश्चित करता है, और इसकी प्रशिक्षण दक्षता को नियंत्रित करने वाले क्रिटिकल बैच आकार पर एक हाइपरपैरामीटर-निर्भर निचली सीमा व्युत्पन्न करता है।

Naoki Sato, Hiroki Naganuma, Hideaki Iiduka2026-06-09
🔬 materials science

Deep Generative Learning of Magnetic Frustration in Artificial Spin Ice from Magnetic Force Microscopy Images

यह शोध पत्र एक दो-चरणीय डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो सिंथेटिक मैग्नेटिक फोर्स माइक्रोस्कोपी छवियों को उत्पन्न करने और आर्टिफिशियल स्पिन आइस में चुंबकीय फ्रस्ट्रेशन (magnetic frustration) के विश्लेषण को स्वचालित करने के लिए वेरिएशनल ऑटोएनकोडर्स (Variational Autoencoders) का उपयोग करता है, जो अंततः फ्रस्ट्रेटेड वर्टिसेस की सटीक पहचान और अनुकूलित स्पिन-आइस कॉन्फ़िगरेशन के डिज़ाइन को सक्षम बनाता है।

Arnab Neogi, Suryakant Mishra, Prasad P Iyer, Tzu-Ming Lu, Ezra Bussmann, Sergei Tretiak, Andrew Crandall Jones, Jian-Xi (…)2026-06-09
🤖 AI

Underwater Waste Detection Using Deep Learning A Performance Comparison of YOLOv7 to 10 and Faster RCNN

यह अध्ययन पानी के नीचे कचरे का पता लगाने के लिए पांच डीप लर्निंग मॉडलों का मूल्यांकन करता है और प्रदर्शित करता है कि YOLOv8 80.9% मीन एवरेज प्रिसिजन के साथ उच्चतम प्रदर्शन प्राप्त करता है, जो इसे चुनौतीपूर्ण पानी के नीचे के वातावरण में विविध कचरा वर्गों की पहचान करने के लिए सबसे प्रभावी उपकरण बनाता है।

UMMPK Nawarathne, HMNS Kumari, HMLS Kumari2026-06-09
🤖 machine learning

Disjoint Generation of Synthetic Data

यह शोध पत्र डेटासेट को अलग-अलग जनरेटिव मॉडल्स द्वारा संसाधित होने वाले विलगित उपसमूहों में विभाजित करके और बिना किसी सामान्य पहचानकर्ता के उन्हें पुनर्संयोजित करके सारणीबद्ध सिंथेटिक डेटा उत्पन्न करने के लिए एक नवीन ढांचे का प्रस्ताव करता है, जो एक ऐसी विधि है जो एक साथ गोपनीयता को बढ़ाती है, कम्प्यूटेशनल व्यवहार्यता में सुधार करती है, और प्रतिस्पर्धी उपयोगिता प्राप्त करने के लिए मिश्रित मॉडल प्रकारों के उपयोग को सक्षम करती है जबकि पुन: पहचान के जोखिमों को महत्वपूर्ण रूप से कम करती है।

Anton Danholt Lautrup, Muhammad Rajabinasab, Tobias Hyrup, Arthur Zimek, Peter Schneider-Kamp2026-06-09
📊 statistics

Locally Adaptive Conformal Inference for Operator Models

यह शोधपत्र लोकल स्लाइसड कॉन्फॉर्मल इन्फरेंस (LSCI) प्रस्तुत करता है, जो एक डिस्ट्रीब्यूशन-फ्री फ्रेमवर्क है जो ऑपरेटर मॉडल्स के लिए फाइनाइट-सैंपल वैध, स्थानीय रूप से अनुकूलन योग्य फंक्शन-वैल्यूड प्रेडिक्शन सेट्स प्रदान करता है, और स्पैटियोटेम्पोरल फोरकास्टिंग एवं फिजिक्स इम्यूलेशन कार्यों में मौजूदा कॉन्फॉर्मल बेसलाइन्स की तुलना में बेहतर टाइटनेस और रोबस्टनेस प्रदर्शित करता है।

Trevor Harris, Yan Liu2026-06-09
🤖 machine learning

In-Context Reinforcement Learning via Communicative World Models

यह शोध पत्र CORAL को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो वर्ल्ड मॉडलिंग को कंट्रोल से अलग करके इन-कॉन्टेक्स्ट रिइन्फोर्समेंट लर्निंग को बेहतर बनाता है, जहाँ एक प्री-ट्रेन्ड इंफॉर्मेशन एजेंट कार्य की समझ को कॉज़ल संदेशों में संकुचित करता है जो एक नए कंट्रोल एजेंट को विविध वातावरणों में कुशल ज़ीरो-शॉट अनुकूलन प्राप्त करने में सक्षम बनाता है।

Fernando Martinez-Lopez, Tao Li, Yingdong Lu, Juntao Chen2026-06-09
🤖 machine learning

DREAMS: Preserving both Local and Global Structure in Dimensionality Reduction

यह शोध पत्र DREAMS को प्रस्तुत करता है, जो एक आयामी न्यूनीकरण (dimensionality reduction) विधि है जो एक सरल नियमितीकरण पद (regularization term) के माध्यम से t-SNE और PCA की शक्तियों को जोड़कर स्थानीय और वैश्विक संरचना संरक्षण को प्रभावी ढंग से संतुलित करती है, और कई वास्तविक दुनिया के डेटासेट पर मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करती है।

Noël Kury, Dmitry Kobak, Sebastian Damrich2026-06-09
🤖 machine learning

Causal Representation Learning from Network Data

यह शोध पत्र GraCE-VAE को प्रस्तुत करता है, जो एक ग्राफ-अवेयर वेरिएशनल ऑटोएनकोडर है जो जैविक प्रणालियों में पहचान योग्य कारण विसंयोजन (causal disentanglement) प्राप्त करने और हस्तक्षेप संबंधी परिणामों (interventional outcomes) के पूर्वानुमान में सुधार करने के लिए सहायक दृश्यों (auxiliary views) के रूप में ज्ञात इंटरेक्शन नेटवर्क का लाभ उठाता है।

Jifan Zhang, Michelle M. Li, Elena Zheleva2026-06-09