🤖 Category

cs.LG

22512 पेपर

🤖 machine learning

PROBE-Web: An Interactive System for Probing Evaluation Landscapes of Knowledge Graph Completion Models

यह शोध पत्र PROBE-Web को प्रस्तुत करता है, जो एक संवादात्मक प्रणाली है जो उपयोगकर्ताओं को विविध दृष्टिकोणों, विशेष रूप से प्रेडिक्टिव शार्पनेस (predictive sharpness) और लोकप्रियता-पूर्वाग्रह मजबूती (popularity-bias robustness) पर ध्यान केंद्रित करते हुए, पारंपरिक टूलकिट, परिप्रेक्ष्य-जागरूक विश्लेषण, व्याख्यात्मक केस स्टडीज और लैंडस्केप अन्वेषण प्रदान करने वाले एक उपयोगकर्ता के अनुकूल इंटरफ़ेस के माध्यम से नॉलेज ग्राफ कॉम्प्लीशन (Knowledge Graph Completion) मॉडलों को लचीले ढंग से प्रोब और मूल्यांकन करने में सक्षम बनाता है।

Sooho Moon, Yunyong Ko2026-06-09
📊 statistics

Backward Coherence and Hidden-State Stability in Recurrent Neural Networks: A Quasi-Reverse-Martingale Theory

यह शोध पत्र "बैकवर्ड कोहेरेंस" (backward coherence) पर आधारित रिकरेंट न्यूरल नेटवर्क के लिए एक सैद्धांतिक ढांचा प्रस्तुत करता है, जो यह सिद्ध करता है कि विशिष्ट परिस्थितियों में हिडन स्टेट्स (hidden states) लगभग-निश्चित अभिसरण (almost-sure convergence) और स्थिरता सुनिश्चित करने के लिए एक क्वासी-रिवर्स-मार्टिंगेल (quasi-reverse-martingale) बनाते हैं, जबकि सिमुलेशन और वास्तविक डेटासेट के माध्यम से यह प्रदर्शित करता है कि बैकवर्ड-कोहेरेंस रेगुलराइजेशन प्रतिनिधित्व स्थिरता को महत्वपूर्ण रूप से तेज करता है और कॉन्सेप्ट ड्रिफ्ट (concept drift) के तहत ट्रैकिंग प्रदर्शन में सुधार करता है।

Yuan-chin Ivan Chang2026-06-09
📊 statistics

Estimate Collapsibility of Causal Effects in Completed Partial DAGs via Strong d-Convex Hulls

यह शोध पत्र पूर्णतः आंशिक रूप से निर्देशित अचक्रीय ग्राफ़ (CPDAGs) के लिए अनुमानित संकुचनशीलता (estimate collapsibility) की अवधारणा प्रस्तुत करता है, न्यूनतम संकुचनशील सेटों को स्ट्रॉन्ग डी-कॉन्वेक्स हल (strong d-convex hulls) के रूप में अभिलक्षणित करता है, और मार्गीकरण (marginalization) से पहले और बाद में कारण प्रभावों का निरंतर अनुमान लगाने के लिए IDA ढांचे के साथ एकीकृत एक कुशल एल्गोरिदम प्रस्तावित करता है।

Yuxin Deng, Yi Sun, Zhiming Li, Huaxiong Liu2026-06-09
🤖 machine learning

From Hazard Functions to Language Space: Cox-Supervised Distillation of Survival Risk into a Large Language Model

यह शोध पत्र प्रदर्शित करता है कि एक Qwen-आधारित लार्ज लैंग्वेज मॉडल, जब कॉक्स मॉडल भविष्यवाणियों को लक्ष्यों के रूप में उपयोग करके टेक्स्ट-में-परिवर्तित क्लिनिकल डेटा पर फाइन-ट्यून किया जाता है, तो वह प्रभावी रूप से सर्वाइवल रिस्क स्ट्रक्चर को आत्मसात कर सकता है और टाइम-टू-इवेंट रीजनिंग के लिए प्रतिस्पर्धी डिस्क्रिमिनेशन और कैलिब्रेशन प्राप्त कर सकता है।

Nicholas I-Hsien Kuo, Blanca Gallego, Louisa Jorm2026-06-09
🤖 AI

Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops

यह शोध पत्र "हैकर-फिक्सर लूप" (hacker-fixer loop) को प्रस्तुत करता है, जो रिवॉर्ड हैकिंग के विरुद्ध नाजुक एजेंट बेंचमार्क को सशक्त बनाने के लिए प्रतिस्पर्धी एलएलएम (LLM) एजेंटों का उपयोग करने वाली एक स्वचालित विधि है, जो हमले की सफलता दर को सफलतापूर्वक शून्य के करीब तक कम करती है और 323 असुरक्षित वातावरणों तथा 3,632 शोषण प्रक्षेप पथों (exploit trajectories) का एक नया डेटासेट जारी करती है।

Ziqian Zhong, Ivgeni Segal, Ivan Bercovich, Shashwat Saxena, Kexun Zhang, Aditi Raghunathan2026-06-09
🤖 machine learning

Heterophily-Aware Adaptive Knowledge Distillation for Hypergraph Neural Networks

यह शोध पत्र HADES का प्रस्ताव करता है, जो हाइपरग्राफ न्यूरल नेटवर्क के लिए एक हेटरोफिली-जागरूक अनुकूलनशील ज्ञान आसवन (knowledge distillation) विधि है, जो शिक्षक के ज्ञान हस्तांतरण को नियंत्रित करने के लिए नोड हेटरोफिली को परिमाणित करता है, जिससे हल्के छात्र मॉडल तेजी से अनुमान लगाने में सक्षम होते हैं और अक्सर अपने शिक्षकों के पूर्वानुमान प्रदर्शन से भी बेहतर प्रदर्शन करते हैं।

Joohee Cho, David Yoon Suk Kang, Yunyong Ko2026-06-09
⚡ electrical engineering

LEAF: A Learning-Enabled ADMM Framework for Accelerated Convex Optimization

यह शोध पत्र LEAF प्रस्तुत करता है, जो एक लर्निंग-एनेबल्ड ADMM फ्रेमवर्क है जो उत्तल उद्देश्यों (convex objectives) के मोरो एनवेलप (Moreau envelope) को अनुमानित करने के लिए इनपुट कॉन्वेक्स न्यूरल नेटवर्क्स का उपयोग करता है, जिससे मौजूदा विधियों की तुलना में मॉडल जटिलता को कम करते हुए और सैद्धांतिक अभिसरण गारंटी (theoretical convergence guarantees) बनाए रखते हुए महत्वपूर्ण कम्प्यूटेशनल स्पीडअप प्राप्त किया जाता है।

Binh Nguyen, Trinh Tran, Truong X. Nghiem2026-06-09
🤖 machine learning

Structural Grid Descriptors Predict Within-Task Solver Success on ARC-AGI

यह शोध पत्र प्रदर्शित करता है कि हस्तनिर्मित स्ट्रक्चरल ग्रिड डिस्क्रिप्टर्स, विशेष रूप से वे जो 50% प्रक्षेपवक्र पूर्णता (trajectory completion) पर ग्रिड जटिलता को मापते हैं, विभिन्न आर्किटेक्चर और कार्यों में यह मजबूती से भविष्यवाणी करते हैं कि सिम्बोलिक ARC-AGI सॉल्वर सफल होंगे या विफल होंगे, जिससे अर्ली स्टॉपिंग के माध्यम से महत्वपूर्ण कम्प्यूटेशनल बचत संभव होती है और मौलिक DSL कवरेज सीमाओं का अनावरण होता है।

Ayan Pendharkar2026-06-09
🤖 machine learning

DynaCF: Mitigating Shortcut Learning in Reward Models via Dynamic Counterfactual Sensitivity

यह शोध पत्र DynaCF का प्रस्ताव करता है, जो एक गतिशील पुन: भारण (dynamic reweighting) ढांचा है जो काउंटरफैक्चुअल विक्षोभों (counterfactual perturbations) के माध्यम से शॉर्टकट संवेदनशीलता को ऑनलाइन मापकर और वास्तविक प्राथमिकता संकेतों पर निर्भरता को प्रोत्साहित करने के लिए प्रशिक्षण के दौरान संवेदनशील नमूनों के भार को कम करके रिवॉर्ड मॉडल में शॉर्टकट लर्निंग को कम करता है।

Fengyuan Liu, Yongliang Miao, Zirui He, Yanguang Liu, Fei Sun, Mengnan Du2026-06-09
🤖 machine learning

Decoy-Calibrated Failure Audits for Language Models

यह शोध पत्र जानस (Janus) को प्रस्तुत करता है, जो एक कठोर ऑडिटिंग प्रक्रिया है जो भाषा मॉडलों के लिए प्रस्तावित विफलता स्पष्टीकरणों को मान्य करने हेतु उन्हें यादृच्छिक रूप से सौंपे गए "डिकोय" (decoy) विवरणों से बेहतर प्रदर्शन करने और होल्ड-आउट डेटा पर पुनरावृत्ति करने के लिए बाध्य करती है, जिससे चयन पूर्वाग्रह (selection bias) के कारण होने वाले स्प्यूरियस (spurious) त्रुटि पैटर्न की झूठी रिपोर्टिंग को रोका जा सके।

Vyzantinos Repantis, Ameya Gawde, Harshvardhan Singh2026-06-09