🤖 Category

cs.LG

22512 पेपर

🤖 machine learning

Performance Variation in Deep Reinforcement Learning

यह शोध पत्र पारंपरिक अनिश्चितता अनुमानों की आलोचना करके और प्रदर्शन भिन्नता को बेहतर ढंग से चित्रित करने के लिए पर्सेंटाइल-आधारित उपकरणों (मिन-मैक्स आईपीआर और रन-वाइज पर्सेंटाइल हाइलाइटिंग) का प्रस्ताव देकर डीप रिइन्फोर्समेंट लर्निंग में कम रन-टू-रन मजबूती की चुनौती को संबोधित करता है, जिनका उपयोग यह प्रदर्शित करने के लिए किया जाता है कि कैसे विशिष्ट आर्किटेक्चरल विकल्प और एल्गोरिद्मिक डिज़ाइन पीपीओ (PPO), एसएसी (SAC), टीडी-एमपीसी (TD-MPC) और डीक्यूएन (DQN) वेरिएंट्स के बीच स्थिरता को अलग-अलग तरह से प्रभावित करते हैं।

Haruto Tanaka, A. Rupam Mahmood2026-06-08
📊 statistics

Optimal Rates for Generalization of Gradient Descent Methods with Deep Neural Networks

यह शोध पत्र डीप रेलु (ReLU) नेटवर्क्स पर लागू ग्रेडिएंट डिसेंट और स्टोकेस्टिक ग्रेडिएंट डिसेंट विधियों के लिए पहले मिनिमैक्स-ऑप्टिमल जनरलाइजेशन रेट्स स्थापित करके डीप लर्निंग में सैद्धांतिक अंतराल को पाटता है, यह प्रदर्शित करते हुए कि पर्याप्त चौड़ाई के साथ, ये विधियाँ कर्नेल विधियों के तुलनीय इष्टतम प्रदर्शन प्राप्त करती हैं।

Junyu Zhou, Puyu Wang, Yunwen Lei, Yiming Ying, Ding-Xuan Zhou2026-06-08
📊 statistics

Generalization in Deep Neural Networks: Minimax Rates for Gradient Methods

यह शोध पत्र ओवर-पैरामीटराइज्ड डीप न्यूरल नेटवर्क्स के ग्रेडिएंट-आधारित प्रशिक्षण और कर्नेल विधियों के बीच एक सैद्धांतिक संबंध स्थापित करता है, जो डीप रिग्रेशन कार्यों में ग्रेडिएंट डिसेंट और स्टोकेस्टिक ग्रेडिएंट डिसेंट दोनों के लिए पहले मिनिमैक्स-ऑप्टिमल जनरलाइजेशन रेट्स को व्युत्पन्न करता है।

Junyu Zhou, Puyu Wang, Yunwen Lei, Marius Kloft, Yiming Ying2026-06-08
🤖 machine learning

A Rolling-Window Framework for Churn Prediction and Behavioral Driver Identification

यह शोध पत्र गैर-अनुबंधात्मक सेवा परिवेशों में मंथन (churn) भविष्यवाणी के लिए एक कालानुक्रमिक रूप से स्पष्ट, रोलिंग-विंडो ढांचे का प्रस्ताव करता है जो मजबूत, व्याख्या योग्य और तैनाती-योग्य जोखिम मूल्यांकन प्राप्त करने के लिए फीचर-आधारित और अनुक्रम-आधारित शिक्षण को एकीकृत करता है, जो बार-बार मॉडल पुन: प्रशिक्षण की आवश्यकता के बिना वास्तविक दुनिया के डेटा पर उच्च सटीकता और स्थिरता प्रदर्शित करता है।

Muhammad Jawad Mufti, Omar Hammad, Haitham Saleh, Muqaddas Gull2026-06-08
🤖 machine learning

Architecture Shapes Transfer Specificity in Implicit Neural Representations

यह शोधपत्र प्रदर्शित करता है कि ट्रांसफर विशिष्टता—अर्थात अर्थपूर्ण स्रोत-विशिष्ट संरचना और जेनेरिक वेट पुनरुपयोग के बीच अंतर करने की इम्पलिसिट न्यूरल रिप्रेजेंटेशन आर्किटेक्चर की क्षमता—SIREN, ReLU, और फूरियर-फीचर नेटवर्कों में महत्वपूर्ण रूप से भिन्न होती है, जो यह सुझाव देता है कि वैज्ञानिक मशीन लर्निंग के लिए आर्किटेक्चर चयन को केवल कच्चे ट्रांसफर परिमाण के बजाय इस नैदानिक (डायग्नोस्टिक) को प्राथमिकता देनी चाहिए।

D Yang Eng2026-06-08
⚡ electrical engineering

SEAM: Shortcut-Aware Real-Time Detection of Scripted vs. Spontaneous Speech for Interview Guardrails

यह शोध पत्र SEAM को प्रस्तुत करता है, जो एक सीम-अवेयर (seam-aware) फ्रेमवर्क है जो कॉर्पस-विशिष्ट आर्टिफ़ेक्ट्स के कारण होने वाली प्रदर्शन मुद्रास्फीति (performance inflation) को कम करने के लिए यूनिफॉर्म प्रीप्रोसेसिंग, सीम-अवेयर सैंपलिंग और नॉन-स्पीच ऑग्मेंटेशन को एक कॉम्पैक्ट DistilHuBERT बैकबोन के साथ जोड़कर स्क्रिप्टेड बनाम स्पोंटेनियस स्पीच का सुदृढ़, रियल-टाइम डिटेक्शन प्राप्त करता है।

Vsevolod (V.), Kovalev, Pranay Manocha2026-06-08
💬 NLP

Characterize Then Distill: Mechanistic Reasoning in Large Output Spaces

यह शोध पत्र एक "चरैक्टराइज़ देन डिस्टिल" (Characterize Then Distill) फ्रेमवर्क प्रस्तावित करता है जो व्यापक उम्मीदवार शॉर्टलिस्टिंग के बाद सूक्ष्म चयन की दो-चरणीय तर्क प्रक्रिया की पहचान करके और उसे डिस्टिल करके मल्टी-लेबल कार्यों पर लार्ज लैंग्वेज मॉडल के प्रदर्शन में सुधार करता है।

Debjyoti Saha Roy, Byron C. Wallace, Javed A. Aslam2026-06-08
🤖 machine learning

Evidence-Grounded Ensemble Diagnosis of 802.11 Packet Captures: A Multi-Stage Pipeline with Deterministic Reliability Scoring

यह शोध पत्र PROBE को प्रस्तुत करता है, जो एक बहु-चरणीय पाइपलाइन है जो नियत (deterministic) PCAP सामान्यीकरण, साक्ष्य-आधारित एंसेम्बल रीजनिंग (evidence-grounded ensemble reasoning), और एक मॉडल-अज्ञेयवादी (model-agnostic) मूल्यांकन ढांचे को संयोजित करती है ताकि 802.11 पैकेट कैप्चर का उच्च-सटीक, विश्वसनीय और पूर्वाग्रह-मुक्त स्वचालित निदान प्राप्त किया जा सके, जो मानक LLM दृष्टिकोणों में निहित मतिभ्रम (hallucination), अनकैलिब्रेटेड आत्मविश्वास और मूल्यांकन पूर्वाग्रह पर विजय प्राप्त करता है।

Jerome Henry, Swadhin Pradhan, Miroslav Popovic2026-06-08
🤖 machine learning

Data-Constrained Language Model Pretraining: Improved Regularization and Scaling Laws

यह शोध पत्र मास्कड-इनपुट रेगुलराइजेशन (MIR) को पेश करके भाषा मॉडल प्रीट्रेनिंग के डेटा-सीमित शासन (data-constrained regime) को संबोधित करता है ताकि वैलिडेशन और डाउनस्ट्रीम प्रदर्शन में सुधार किया जा सके, और सॉफ्टक्यू (SoftQ) का प्रस्ताव देता है, जो एक नया स्केलिंग लॉ है जो उन बार-बार होने वाले प्रशिक्षण युगों (repeated training epochs) के तहत मॉडल और डेटा के आकार के बीच की अंतःक्रिया को सटीक रूप से कैप्चर करता है जहाँ शास्त्रीय नियम विफल हो जाते हैं।

Zhiwei Xu, Shihao Wu, Hanseul Cho, Wei Hu, Yixin Wang2026-06-08
🤖 machine learning

Diagnosing Visual Ignorance in Vision-Language Models

यह शोध पत्र लेयर-वार विश्लेषण के माध्यम से आंतरिक रूटिंग विफलताओं को प्रकट करते हुए और यह प्रदर्शित करते हुए कि वर्तमान बेंचमार्क अक्सर एक प्रगतिशील विजुअल डिके (visual decay) मीट्रिक के माध्यम से दृश्य अनभिज्ञता को पुरस्कृत करते हैं, विजन-लैंग्वेज मॉडल्स द्वारा विजुअल साक्ष्य के बजाय भाषाई प्रायोरिटीज़ (language priors) पर व्यवस्थित निर्भरता की जांच करता है।

Runyu Zhou, Qi Zhang, Qixun Wang, Yisen Wang2026-06-08