cs.LG पेपर | Gist.Science

When Evidence is Sparse: Weakly Supervised Early Failure Alerting in Dialogs and LLM-Agent Trajectories

यह शोध पत्र एक दो-चरणीय प्रणाली पेश करके स्पार्स-एविडेंस (sparse-evidence) संवाद और एजेंट प्रक्षेपवक्रों में प्रारंभिक विफलता अलर्टिंग की चुनौती को संबोधित करता है, जो एक अटेंशन-आधारित प्रेडिक्टर को जोड़ता है, जो विलंबित विफलता संकेतों की पहचान करने के लिए प्रक्षेपवक्र-स्तरीय लेबल से सीखता है, तथा विविध बेंचमार्क में बेहतर सटीकता-जल्दी (accuracy-earliness) ट्रेड-ऑफ और कम प्रशिक्षण लागत प्राप्त करने के लिए $\alpha$ -STOP नीति का उपयोग करता है।

Avinash Baidya, Xinran Liang, Ruocheng Guo, Xiang Gao, Kamalika Das2026-06-05

💬 NLP

Executable Schema Contracts: From Automatic Ingestion to Multi-Source Retrieval

यह शोध पत्र एक ऐसी प्रणाली प्रस्तुत करता है जो नॉलेज ग्राफ निर्माण को निर्देशित करने और एक मल्टी-टूल रिट्रीवल एजेंट को अनुकूलित करने के लिए कच्चे मल्टी-सोर्स डेटा से स्वचालित रूप से निष्पादन योग्य स्कीमा अनुबंधों (executable schema contracts) की खोज करती है, जो संरचित, ट्रेस करने योग्य और स्कीमा-जागरूक साक्ष्य एकीकरण को सक्षम करके बेसलाइन विधियों की तुलना में प्रश्न-उत्तर प्रदर्शन में महत्वपूर्ण सुधार करती है।

Padmaja Jonnalagedda, Yuguang Yao, Xiang Gao, Hilaf Hasson, Kamalika Das2026-06-05

💻 computer science

Selective-Advantage Entropy-Adaptive Horizon GRPO: Asymmetric Token-Level Discounting for Efficient Reinforcement Learning of Language Models

यह शोध पत्र सेलेक्टिव-एडवांटेज एंट्रॉपी-अडैप्टिव होराइजन GRPO (SA-AH-GRPO) प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो नकारात्मक-एडवांटेज रोलआउट्स पर एंट्रॉपी-आधारित डिस्काउंटिंग को असममित रूप से लागू करता है और सफल प्रक्षेप पथों (trajectories) के लिए पूर्ण ग्रेडिएंट संकेतों को संरक्षित करता है, जिससे मानक GRPO की तुलना में प्रशिक्षण को महत्वपूर्ण रूप से स्थिर करता है और गणितीय तर्क बेंचमार्क पर प्रदर्शन में सुधार करता है।

Chirag Chawla, Rohan Charudatt Salvi, Madhav S. Baidya2026-06-05

💻 computer science

DP-MacAdam: Differentially Private Mechanism with Adaptive Clipping and Adaptive Momentum

यह शोध पत्र DP-MacAdam का प्रस्ताव करता है, जो एक नवीन डिफरेंशियल प्राइवेट ऑप्टिमाइज़ेशन एल्गोरिदम है जो साझा अनुभवजन्य माध्य (empirical mean) और विचरण (variance) अनुमानों का लाभ उठाकर एडेप्टिव ग्रेडिएंट क्लिपिंग और मोमेंटम अपडेट को एकीकृत करता है, जिससे मैनुअल क्लिपिंग थ्रेशोल्ड ट्यूनिंग के बिना बेहतर मॉडल उपयोगिता प्राप्त होती है।

Naima Tasnim, Lalitha Sankar, Oliver Kosut2026-06-05

💻 computer science

Learned Subspace Compression for Communication-Efficient Pipeline Parallelism

यह शोध पत्र मैनिफोल्ड अवेयर प्रोजेक्शन लर्निंग (MAPL) को प्रस्तुत करता है, जो एक ऐसी विधि है जो पाइपलाइन पैरेललिज्म में इंटर-स्टेज एक्टिवेशन कंप्रेशन को स्टिफ़ल मैनिफोल्ड (Stiefel manifold) पर एक सीखने योग्य ऑर्थोगोनल प्रोजेक्शन के रूप में मानती है, जिससे प्रत्येक स्टेज को नगण्य प्रदर्शन गिरावट और संचार ओवरहेड के साथ कार्य-अनुकूल उप-स्थानों (subspaces) को अनुकूल रूप से खोजने में सक्षम बनाया जा सके।

Paul Janson, Edouard Oyallon, Eugene Belilovsky2026-06-05

💻 computer science

Dominant-Layer ZO: A Single Layer Dominates Zeroth-Order Fine-Tuning of LLMs

यह शोध पत्र प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स का ज़ीरोथ-ऑर्डर फाइन-ट्यूनिंग एक एकल, कार्य-अज्ञेय (टास्क-अग्नोस्टिक) डिकोडिंग लेयर द्वारा नियंत्रित होता है जिसे एक्टिवेशन आउटलेर्स के माध्यम से पहचाना जा सकता है, जो एक ऐसी विधि को सक्षम बनाता है जो पूर्ण-मॉडल प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन करती है और साथ ही 4.52x तक प्रशिक्षण की गति बढ़ाती है।

Wanhao Yu, Ziyan Wang, Zheng Wang, Abeer Matar Almalky, Yihang Zuo, Shuteng Niu, Sen Lin, Adnan Siraj Rakin, Deliang Fan (…)2026-06-05

🤖 AI

What Objects Enable, Not What They Are: Functional Latent Spaces for Affordance Reasoning

यह शोधपत्र A4D को प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो रोबोट नियोजन (प्लानिंग) को उपस्थिति-आधारित तर्क से कार्यात्मक सामर्थ्य (अफोर्डेंस) तर्क की ओर स्थानांतरित करता है, जो दृश्य प्रेक्षणों को वस्तुओं की क्षमताओं के इर्द-गिर्द व्यवस्थित एक साझा लेटेंट स्पेस में मैप करके किया जाता है, जिससे नवीन अंतःक्रियाओं के लिए सामान्यीकरण में महत्वपूर्ण सुधार होता है और अनदेखी सामर्थ्यों की तीव्र खोज सक्षम होती है।

Rohan Siva, Neel P. Bhatt, Yunhao Yang, Seoyoung Lee, Nishant Gadde, Christian Ellis, Alvaro Velasquez, Zhangyang Wang (…)2026-06-05

💬 NLP

Less is MoE: Trimming Experts in Domain-Specialist Language Models

यह शोध पत्र Fisher-MoE को प्रस्तुत करता है, जो एक ऐसा संपीड़न (compression) तरीका है जो फिशर महत्व (Fisher importance) का उपयोग करके FFN परतों के भीतर कार्य-महत्वपूर्ण (task-critical) मध्यवर्ती आयामों की पहचान करता है और उन्हें हटाता है, जिससे सामान्य-उद्देश्य वाले बेंचमार्क पर उनके प्रदर्शन को बनाए रखते हुए मिक्स्चर-ऑफ-एक्सपर्ट्स मॉडलों में महत्वपूर्ण मेमोरी और थ्रूपुट लाभ प्राप्त होता है।

Haoze He, Xinkai Zou, Xuan Jiang, Xingyuan Ding, Ao Qu, Juncheng Billy Li, Heather Miller2026-06-05

📊 statistics

Conformal Risk-Averse Decision Making with Action Conditional Guarantee

यह शोधपत्र जोखिम-अघांत निर्णय लेने के लिए स्पष्ट, क्रिया-विशिष्ट सुरक्षा गारंटी प्रदान करने हेतु एक्शन-कंडीशनल कॉन्फॉर्मल प्रेडिक्शन पेश करता है, जो एक परिमित-नमूना एल्गोरिदम प्रस्तुत करता है जो वास्तविक दुनिया के डेटासेट पर मौजूदा मार्जिनल-गारंटी बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करता है।

Zihan Zhu, Shayan Kiyani, George Pappas. Hamed Hassani2026-06-05

🤖 AI

Balancing Image Compression and Generation with Bootstrapped Tokenization

यह शोध पत्र SelfBootTok को प्रस्तुत करता है, जो एक नवीन इमेज टोकेनाइजेशन विधि है जो विजुअल जानकारी को सेल्फ-बूटस्ट्रैप्ड लर्निंग के माध्यम से ग्लोबल और लोकल समूहों में विभाजित करती है, जिससे एक अधिक कुशल जनरेटर सक्षम होता है जो काफी कम गणना और टोकन संख्या के साथ अत्याधुनिक जनरेशन गुणवत्ता प्राप्त करता है।

Haozhe Chi, Jinghan Li, Hao Jiang, Wu Sheng, Yi Ma, Jing Wang, Yadong Mu2026-06-05

← पिछला अगला →