🤖 Category

cs.LG

19863 पेपर

🤖 machine learning

From Confounding to Learning: Dynamic Service Fee Pricing on Third-Party Platforms

यह शोधपत्र मांग संबंधी भ्रम (demand confounding) के तहत सेवा शुल्क मूल्य निर्धारण को अनुकूलित करने के लिए तीसरे पक्ष के प्लेटफार्मों हेतु एक नवीन एल्गोरिदम का प्रस्ताव करता है, जो इष्टतम रिग्रेट (optimal regret) प्राप्त करने के लिए गैर-आईआईडी (non-i.i.d.) क्रियाओं को इंस्ट्रूमेंटल वेरिएबल्स के रूप में और एक होमियोमॉर्फिक निर्माण (homeomorphic construction) का उपयोग करता है, यहाँ तक कि डीप न्यूरल नेटवर्क और आपूर्ति-पक्ष के शोर (supply-side noise) की उपस्थिति में भी।

Rui Ai, David Simchi-Levi, Feng Zhu2026-07-14
🤖 machine learning

Self-Creating Random Walks for Decentralized Learning under Pac-Man Attacks

यह शोध पत्र "पैक-मैन" हमलों के प्रति रैंडम वॉक-आधारित विकेंद्रीकृत शिक्षण की संवेदनशीलता को संबोधित करता है, जहाँ दुर्भावनापूर्ण नोड्स वॉक को समाप्त कर देते हैं, और CREATE-IF-LATE (CIL) एल्गोरिदम का प्रस्ताव करता है जो वॉक आबादी की गैर-विलुप्ति सुनिश्चित करता है और केवल रैखिक समय विलंब के साथ अभिसरण की गारंटी देता है।

Xingran Chen, Parimal Parag, Rohit Bhagat, Salim El Rouayheb2026-07-14
📊 statistics

Reinforcement Learning in the Real World: A Survey of Statistical Challenges and Future Directions

यह शोध पत्र व्यावहारिक अनुप्रयोग को ऑनलाइन अनुकूलन, ऑफलाइन विश्लेषण और पुनरावृत्ति पुनर्नियोजन की एक चक्रीय प्रक्रिया के रूप में रूपरेखाबद्ध करके, सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) अनुसंधान और वास्तविक दुनिया की तैनाती के बीच के अंतर को पाटने में आने वाली सांख्यिकीय चुनौतियों और पद्धतिगत प्रगति का सर्वेक्षण करता है, साथ ही प्रभावशाली, उपयोग-प्रेरित अनुसंधान के लिए भविष्य की दिशाओं को रेखांकित करता है।

Asim H. Gazi, Yongyi Guo, Daiqi Gao, Ziping Xu, Kelly W. Zhang, Susan A. Murphy2026-07-14
🤖 machine learning

Explainability Methods for Hardware Trojan Detection: A Systematic Comparison

यह शोध पत्र व्यवस्थित रूप से तीन श्रेणियों के व्याख्यात्मकता तरीकों—डोमेन-अवेयर प्रॉपर्टी एनालिसिस, मॉडल-एग्नोस्टिक केस-बेस्ड रीजनिंग, और मॉडल-एग्नोस्टिक फीचर एट्रिब्यूशन तकनीकों—की ट्रस्ट-हब बेंचमार्क पर तुलना करता है ताकि यह निर्धारित किया जा सके कि कौन सा दृष्टिकोण गेट-लेवल हार्डवेयर ट्रोजन डिटेक्शन में फाल्स पॉजिटिव और फाल्स नेगेटिव को कम करने के लिए सबसे बेहतर क्रियात्मक अंतर्दृष्टि प्रदान करता है।

Paul Whitten, Francis Wolff, Chris Papachristou2026-07-14
💰 quantitative finance

Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null

यह शोध पत्र एक संदूषण-जागरूक (contamination-aware) पाइपलाइन प्रस्तुत करता है जो यह प्रकट करता है कि क्रिप्टोकरेंसी व्हाइटपेपर नैरेटिव और बाजार संरचना के बीच संरेखण का पूर्व में रिपोर्ट किया गया संकेत डेटा त्रुटियों का एक आर्टिफैक्ट था, जबकि एक सत्यापित कॉर्पस के बाद के विश्लेषण में कोई महत्वपूर्ण पत्राचार नहीं पाया गया, हालांकि निम्न मापन विश्वसनीयता कमजोर संरेखण को खारिज करने से रोकती है।

Murad Farzulla2026-07-14
💬 NLP

FineInstructions: Scaling Synthetic Instructions to Pre-Training Scale

यह शोध पत्र FineInstructions को प्रस्तुत करता है, जो प्री-ट्रेनिंग कॉर्पोरा से अरबों सिंथेटिक निर्देश-प्रतिक्रिया युग्मों को उत्पन्न करने की एक विधि है जो बड़े भाषा मॉडल (LLMs) को केवल एक इंस्ट्रक्शन-ट्यूनिंग उद्देश्य पर शून्य से प्री-ट्रेन करने में सक्षम बनाती है, जिसके परिणामस्वरूप मानक प्री-ट्रेनिंग दृष्टिकोणों की तुलना में फ्री-फॉर्म रिस्पॉन्स बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।

Ajay Patel, Colin Raffel, Chris Callison-Burch2026-07-14
🤖 machine learning

CoGenCast: A Coupled Autoregressive-Flow Generative Framework for Time Series Forecasting

CoGenCast एक हाइब्रिड जनरेटिव फ्रेमवर्क है जो द्विआयामी (bidirectional) संदर्भ एन्कोडिंग के लिए एक पुनर्गठित प्री-ट्रेंड LLM को निरंतर स्टोकेस्टिक डायनेमिक्स (stochastic dynamics) को मॉडल करने के लिए एक फ्लो-मैचिंग मैकेनिज्म के साथ एकीकृत करता है, जिससे मल्टीमॉडल और क्रॉस-डोमेन अनुप्रयोगों का समर्थन करते हुए प्रतिस्पर्धी टाइम सीरीज़ फोरकास्टिंग प्रदर्शन प्राप्त होता है।

Mingyue Cheng, Yaguo Liu, Daoyu Wang, Xiaoyu Tao, Qi Liu2026-07-14
📊 statistics

Bures-Wasserstein Importance-Weighted Evidence Lower Bound: Exposition and Applications

यह शोध पत्र एक नवीन वेरिएशनल इन्फरेंस फ्रेमवर्क प्रस्तावित करता है जो बुरेस-वासरस्टीन स्पेस के भीतर इम्पॉर्टेंस-वेटेड एविडेंस लोअर बाउंड (IW-ELBO) को अनुकूलित करता है, जिससे एक सुलभ गॉसियन एल्गोरिदम प्राप्त होता है जिसमें ऐसे ग्रेडिएंट अनुमानक हैं जो मानक यूक्लिडियन दृष्टिकोणों की अक्षमताओं को दूर करने के लिए Ω(K)\Omega(\sqrt{K}) के रूप में अनुकूल सिग्नल-टू-नॉइज़ रेशियो स्केलिंग बनाए रखते हैं।

Peiwen Jiang, Takuo Matsubara, Minh-Ngoc Tran2026-07-14
🤖 AI

Disentangling Intrinsic Importance from Emergent Structure in Multi-Expert Orchestration

यह शोध पत्र INFORM को प्रस्तुत करता है, जो एक व्याख्यात्मकता ढांचा (interpretability framework) है जो मल्टी-एक्सपर्ट LLM सिस्टम में विशेषज्ञ अंतःक्रिया संरचना (expert interaction structure) को आंतरिक कार्यात्मक महत्व (intrinsic functional importance) से अलग करता है, यह प्रकट करते हुए कि बार-बार रूट किए जाने वाले विशेषज्ञ अक्सर गैर-महत्वपूर्ण हब के रूप में कार्य करते हैं जबकि कम चुने जाने वाले विशेषज्ञ संरचनात्मक रूप से महत्वपूर्ण होते हैं, जिससे आवश्यकता के प्रॉक्सी के रूप में रूटिंग फ्रीक्वेंसी (routing frequency) को चुनौती मिलती है।

Sudipto Ghosh, Sujoy Nath, Sunny Manchanda, Tanmoy Chakraborty2026-07-14
🤖 AI

SynthSAEBench: Evaluating Sparse Autoencoders on Scalable Realistic Synthetic Data

यह शोधपत्र SynthSAEBench प्रस्तुत करता है, जो एक स्केलेबल बेंचमार्क और टूलकिट है, जो स्पार्स ऑटोएन्कोडर आर्किटेक्चर का कठोरता से मूल्यांकन करने, सुपरपोजिशन नॉइज़ (superposition noise) के प्रति ओवरफिटिंग जैसे विफलता मोड का निदान करने, और वास्तविक LLMs पर उन्हें लागू करने से पहले सुधारों के लिए एक नियंत्रित लोअर-बाउंड टेस्ट स्थापित करने के लिए ग्राउंड-ट्रुथ फीचर्स वाले यथार्थवादी सिंथेटिक डेटा का उपयोग करता है।

David Chanin, Adrià Garriga-Alonso2026-07-14