🤖 Category

cs.LG

22578 पेपर

📊 statistics

Optimal Initialization in Depth: Lyapunov Initialization and Limit Theorems for Deep Leaky ReLU Networks

यह शोध पत्र सक्रियण स्थिरता (activation stability) को नियंत्रित करने वाले एक लियापुनोव घातांक (Lyapunov exponent) को प्राप्त करने के लिए डीप लीकी रेलू (Leaky ReLU) नेटवर्क का एक कठोर संभाव्य विश्लेषण प्रदान करता है, जो मानक प्रारंभिककरण विधियों की सीमाओं को उजागर करता है और एक नवीन "लियापुनोव प्रारंभिककरण" (Lyapunov initialization) प्रस्तावित करता है जो इष्टतम प्रशिक्षण स्थिरता सुनिश्चित करने के लिए इस घातांक को शून्य पर सेट करता है।

Constantin Kogler, Tassilo Schwarz, Samuel Kittle2026-06-03✓ Author reviewed ⓘ
💬 NLP

When Should LLMs Be Less Specific? Selective Abstraction for Reliable Long-Form Text Generation

यह शोध पत्र सेलेक्टिव एब्स्ट्रैक्शन (Selective Abstraction) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो अनिश्चित परमाणु दावों (atomic claims) को कम विशिष्ट, उच्च-विश्वास वाले अमूर्तीकरणों (abstractions) से बदलकर दीर्घ-रूप (long-form) एलएलएम जनरेशन की विश्वसनीयता को बढ़ाता है, जिससे प्रतिक्रिया की समग्र सूचनात्मक सामग्री को संरक्षित करते हुए सटीकता में महत्वपूर्ण सुधार होता है।

Shani Goren, Ido Galil, Ran El-Yaniv2026-06-03
💬 NLP

Whom to Query for What: Adaptive Group Elicitation via Multi-Turn LLM Interactions

यह शोध पत्र एक सैद्धांतिक रूप से आधारित, अनुकूलन योग्य ढांचे का प्रस्ताव करता है जो सीमित बजट और लुप्त डेटा के तहत जनसंख्या-स्तरीय प्रतिक्रिया भविष्यवाणी में सुधार करने के लिए, प्रश्नों और उत्तरदाताओं दोनों को गतिशील रूप से चुनने हेतु LLM-आधारित प्रश्न स्कोरिंग को हेट्रोजेनियस ग्राफ न्यूरल नेटवर्क प्रसार के साथ जोड़ता है।

Ruomeng Ding, Tianwei Gao, Thomas P. Zollo, Eitan Bachmat, Richard Zemel, Zhun Deng2026-06-03
🤖 AI

Towards a Science of AI Agent Reliability

यह शोध पत्र एआई एजेंट विश्वसनीयता का समग्र मूल्यांकन करने के लिए चार आयामों—निरंतरता, मजबूती, पूर्वानुमान क्षमता और सुरक्षा—में बारह मेट्रिक्स का एक ढांचा प्रस्तावित करता है, जो यह प्रकट करता है कि हालिया क्षमता सुधारों ने वास्तविक परिचालन विश्वसनीयता में केवल मामूली लाभ ही दिए हैं।

Stephan Rabanser, Sayash Kapoor, Peter Kirgis, Kangheng Liu, Saiteja Utpala, Arvind Narayanan2026-06-03
🤖 machine learning

Balancing Symmetry and Efficiency in Graph Flow Matching

यह शोध पत्र ग्राफ फ्लो मैचिंग के लिए एक नियंत्रणीय समरूपता मॉड्यूलेशन (symmetry modulation) योजना प्रस्तावित करता है जो अभिसरण को त्वरित करने और ओवरफिटिंग को कम करने के लिए प्रशिक्षण के दौरान सख्त समरूपता (equivariance) को रणनीतिक रूप से शिथिल करता है, जिससे काफी कम प्रशिक्षण युगों (epochs) के साथ बेहतर प्रदर्शन प्राप्त होता है।

Benjamin Honoré, Alba Carballo-Castro, Yiming Qin, Pascal Frossard2026-06-03
🧬 biology

Neural Fields as World Models

यह शोध पत्र मोटर-गेटेड न्यूरल फील्ड्स पर आधारित "आइसोमोर्फिक वर्ल्ड मॉडल्स" का प्रस्ताव और सत्यापन करता है जो संवेदी टोपोलॉजी को संरक्षित करते हैं, यह प्रदर्शित करते हुए कि एक स्थानिक मानचित्र के भीतर एक्शन-कंडीशनल ज्योमेट्रिक प्रोपेगेशन एक स्थानिक मानचित्र के भीतर बैलिस्टिक प्रेडिक्शन, ऑफलाइन टास्क लर्निंग, और बिना किसी स्पष्ट लेबल के बॉडी-सिलेक्टिव रिप्रेजेंटेशन के उद्भव को सक्षम बनाता है।

Joshua Nunley2026-06-03
🤖 AI

KnapSpec: Self-Speculative Decoding via Adaptive Layer Selection as a Knapsack Problem

KnapSpec एक ट्रेनिंग-फ्री सेल्फ-स्पेक्टुलेटिव डिकोडिंग फ्रेमवर्क है जो हार्डवेयर-विशिष्ट लैटेंसी और कॉन्टेक्स्ट लेंथ के आधार पर ड्राफ्ट मॉडल कॉन्फ़िगरेशन को डायनामिक रूप से ऑप्टिमाइज़ करके इन्फरेंस थ्रूपुट को मैक्सिमाइज़ करने के लिए एडेप्टिव लेयर सिलेक्शन को नैपसैक (knapsack) समस्या के रूप में पुनर्गठित करता है।

Seongjin Cha, Gyuwan Kim, Dongsu Han, Tao Yang, Insu Han2026-06-03
🤖 machine learning

CoAction: Cross-task Correlation-aware Pareto Set Learning

यह शोध पत्र CoAction का प्रस्ताव करता है, जो एक क्रॉस-टास्क कोरिलेशन-अवेयर पारेटो सेट लर्निंग फ्रेमवर्क है जो बेहतर दक्षता और प्रदर्शन के लिए इंटर-टास्क सहसंबंधों (inter-task correlations) का लाभ उठाते हुए एक टास्क-अवेयर ट्रांसफॉर्मर का उपयोग करके एक साथ कई मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन समस्याओं को हल करता है।

Xinyue Chen, Yingxuan Liang, Yiqin Huang, Chikai Shang, Hai-Lin Liu, Fangqing Gu2026-06-03
📊 statistics

Latent Laplace Diffusion for Irregular Multivariate Time Series

यह शोध पत्र लेटेंट लाप्लास डिफ्यूजन (LLapDiff) प्रस्तुत करता है, जो एक ऐसा जनरेटिव फ्रेमवर्क है जो लाप्लास-डोमेन पैरामीट्राइजेशन और स्टोकेस्टिक पोर्ट-हैमिल्टोनियन डायनेमिक्स का उपयोग करके एक निम्न-आयामी लेटेंट स्पेस में लक्षित प्रक्षेप पथों (टारगेट ट्रेजेक्टरीज) को मॉडल करके अनियमित बहुभिन्निकीय समय श्रृंखला पूर्वानुमान की चुनौतियों का समाधान करता है, ताकि स्टेप-बाय-स्टेप इंटीग्रेशन के बिना स्थिर, हॉरिजन-वाइड जनरेशन सक्षम किया जा सके।

Zinuo You, Jin Zheng, John Cartlidge2026-06-03
🤖 machine learning

Spectral Asymptotics of Neural Network Loss Landscapes: An Exact Decomposition of the Curvature Exponent

यह शोध पत्र एक ज्यामितीय स्पेक्ट्रल अलाइनमेंट डिकंपोजिशन (Spectral Alignment Decomposition) स्थापित करता है जो विभिन्न लेयर प्रकारों में न्यूरल नेटवर्क कर्वेचर एक्सपोनेंट्स (curvature exponents) के व्यवस्थित परिवर्तन की व्याख्या करता है, एक पैरामीटर-मुक्त स्पेक्ट्रल ट्रांसफर आइडेंटिटी (spectral transfer identity) व्युत्पन्न करता है जो कर्वेचर, ग्रेडिएंट रैंक डिके (gradient rank decay), और हेसियन डिके (Hessian decay) को जोड़ता है, और यह प्रदर्शित करता है कि एक आर्किटेक्चर-एडेप्टिव स्पेक्ट्रल न्यूटन प्रीकंडीशनर (Spectral Newton preconditioner) विजन बेंचमार्क पर AdamW से बेहतर प्रदर्शन करता है।

Anherutowa Calvo2026-06-03