🤖 machine learning

Mean-based algorithms: A lower bound and regret

यह शोध पत्र अज्ञात-क्षितिज (unknown-horizon) बैंडिट सेटिंग्स में मीन-आधारित (mean-based) एल्गोरिदम के सीखने की गति पर एक सैद्धांतिक निचली सीमा (lower bound) स्थापित करता है, मौजूदा विधियों का सामान्यीकरण करने वाले दो नए एल्गोरिदम प्रस्तावित करता है, और यह प्रदर्शित करता है कि हालांकि वे थोड़ा धीमा अभिसरण (converge) कर सकते हैं, फिर भी वे प्रतिस्पर्धी प्रदर्शन प्राप्त कर सकते हैं और नो-रिग्रेट (no-regret) एल्गोरिदम की श्रेणी के साथ प्रतिच्छेद (intersect) कर सकते हैं।

Julius Durmann, Amelie Kleber2026-06-04
🤖 machine learning

STaR-Quant: State-Time Consistent Post-Training Quantization for Diffusion Large Language Models

यह शोध पत्र STaR-Quant का प्रस्ताव करता है, जो एक पोस्ट-ट्रेनिंग क्वांटाइजेशन फ्रेमवर्क है जो स्टेट-गाइडेड एक्टिवेशन ट्रांसफॉर्मेशन और टेम्पोरल अटेंशन कंपनसेशन के माध्यम से डिफ्यूजन लार्ज लैंग्वेज मॉडल्स में स्टेट-डिपेंडेंट एक्टिवेशन डिस्पैरिटी और टेम्पोरल एरर एक्युमुलेशन को संबोधित करता है, जिससे लो-बिट क्वांटाइजेशन प्रदर्शन को बनाए रखते हुए महत्वपूर्ण मेमोरी बचत और स्पीडअप प्राप्त होता है।

Xin Yan, Aqiang Wang, Zhenglin Wan, Xingrui Yuand Ivor Tsang2026-06-04
📊 statistics

A General Framework for Dynamic Consistent Submodular Maximization

यह शोधपत्र पूर्णतः गतिशील उप-मोड्यूलर अधिकतमकरण (submodular maximization) के लिए एक सामान्य रूपरेखा प्रस्तुत करता है जो कार्डिनैलिटी (cardinality) और रैंक-kk मैट्रॉइड बाधाओं दोनों के लिए उप-रैखिक निरंतरता (sublinear consistency) के साथ पहले स्थिर-गुणनता सन्निकटन एल्गोरिदम (constant-factor approximation algorithms) प्रदान करता है।

Paul Dütting, Federico Fusco, Silvio Lattanzi, Ashkan Norouzi-Fard, Ola Svensson, Morteza Zadimoghaddam2026-06-04
🤖 machine learning

Be Fair! Can Machine Learning Engineering Agents Adhere to Fairness Constraints?

यह शोध पत्र तर्क देता है कि वर्तमान मशीन लर्निंग इंजीनियरिंग एजेंट निष्पक्षता संबंधी बाधाओं का विश्वसनीय रूप से पालन करने में विफल रहते हैं और भविष्य कहनेवाला गुणवत्ता एवं निष्पक्षता में मैन्युअल बेसलाइन से कम प्रदर्शन करते हैं, जो एक जिम्मेदारी-केंद्रित मूल्यांकन ढांचे और मानव निरीक्षण को सक्षम बनाने वाले पुनर्गठित एजेंटों की तत्काल आवश्यकता को रेखांकित करता है।

Anna Richter, Julia Stoyanovich, Sebastian Schelter2026-06-04
💬 NLP

Validity Threats for Foundation Model Research

यह शोध पत्र तर्क देता है कि फाउंडेशन मॉडल्स के लिए लागत-बचत अनुसंधान रणनीतियाँ, जैसे कि प्रॉक्सी प्रयोग और अवलोकनात्मक अध्ययन, विशिष्ट वैधता खतरों को पेश करती हैं जिन्हें अनुभवजन्य सामाजिक विज्ञानों से अनुकूलित एक प्रस्तावित कारण अनुमान (कॉज़ल इन्फरेंस) ढांचे के माध्यम से व्यवस्थित रूप से पहचाना और प्रबंधित किया जा सकता है।

Gunnar König, Martin Pawelczyk, Ulrike von Luxburg, Sebastian Bordt2026-06-04
🔢 mathematics

Learning Control-Affine Reduced-Order Models via Autoencoders

यह शोध पत्र ऑटोएन्कोडर्स को स्टेट-स्पेस डायनेमिक्स के साथ एक साथ प्रशिक्षित करके कंट्रोल-एफिन रेड्यूस्ड-ऑर्डर मॉडल्स की पहचान करने के लिए एक फ्रेमवर्क प्रस्तुत करता है, जो बेहतर सटीकता के लिए अनुक्रम-आधारित (sequence-based) मॉडल्स तक इस दृष्टिकोण का विस्तार करता है, और फीडबैक लीनियराइजेशन एवं नियंत्रण कार्यों के माध्यम से इसकी प्रभावशीलता को प्रमाणित करता है।

Ali Mjalled, Martin Mönnigmann2026-06-04
🤖 machine learning

RIDE: An Open Dataset and Benchmark for Train Delay Prediction

यह शोध पत्र RIDE को प्रस्तुत करता है, जो बेल्जियम रेलवे नेटवर्क पर ट्रेन विलंब की भविष्यवाणी के लिए एक बड़े पैमाने का ओपन डेटासेट और मानकीकृत बेंचमार्क है, जो पहला व्यापक तुलनात्मक मूल्यांकन सुलभ कराता है जो यह दर्शाता है कि ग्राफ न्यूरल नेटवर्क गैर-लर्निंग मॉडलों से बेहतर प्रदर्शन करते हैं और विभिन्न पूर्वानुमान व्यवस्थाओं (forecasting regimes) में विस्तृत विश्लेषण को सक्षम करते हैं।

Clément Elliker, Mathis Le Bail, Clément Mantoux, Jesse Read, Sonia Vanier2026-06-04
🤖 machine learning

Learning What Not to Impute: An Uncertainty-Aware Diffusion Framework for Meaningful Missingness

यह शोध पत्र Diff-Joint को प्रस्तुत करता है, जो एक अनिश्चितता-जागरूक (uncertainty-aware) डिफ्यूजन फ्रेमवर्क है जो अर्थपूर्ण रूप से लुप्त प्रविष्टियों और अवलोकन-आधारित अंतराल के बीच अंतर करके चयनात्मक प्रतिस्थापन (selective imputation) की समस्या का समाधान करता है, जिससे डाउनस्ट्रीम टास्क प्रदर्शन में सुधार करने के लिए यह संयुक्त रूप से अनुमान लगाया जाता है कि किन मूल्यों को संरक्षित करना है और किन्हें पुनः प्राप्त करना है।

Lixing Zhang, Yidong Ouyang, Weifu Li, Shixiang Zhu, Guang Cheng, Liyan Xie2026-06-04
📊 statistics

Identifying Gems from Roman RAPIDly

यह शोध पत्र रोमन स्पेस टेलीस्कोप के RAPID पाइपलाइन के भीतर वास्तविक खगोलीय क्षणिक घटनाओं (transients) को अवास्तविक संसूचनाओं (spurious detections) से अलग करने के लिए RuBR मशीन लर्निंग मॉडल और एक संगत कार्यप्रणाली प्रस्तुत करता है, जो मिशन के आगामी प्रक्षेपण की तैयारी हेतु सिम्युलेटेड डेटा का उपयोग करके प्रभावी रियल-बोगस वर्गीकरण रणनीतियों का प्रदर्शन करता है।

Karan Gandhi, Ashish A. Mahabal, Jacob E. Jencson, Russ R. Laher, Ben Rusholme, Lin Yan, Ryan M. Lau, Schuyler D. Van Dy (…)2026-06-04
🤖 machine learning

RePercENT: Scaling Disentangled Representation Learning Beyond Two Modalities

RePercENT एक स्व-पर्यवेक्षित (self-supervised), प्लग-एंड-प्ले फ्रेमवर्क है जो संयुक्त पूर्व-प्रशिक्षण (joint pre-training) की आवश्यकता के बिना पूर्व-निकाले गए एम्बेडिंग्स पर कार्य करके दो से अधिक मोडैलिटीज में विलगित प्रतिनिधित्व शिक्षण (disentangled representation learning) को सक्षम करने के लिए मौजूदा विधियों की स्केलेबिलिटी सीमाओं को दूर करता है।

Vasiliki Rizou, Pascal Frossard, Dorina Thanou2026-06-04