🤖 Category

cs.LG

19863 पेपर

🤖 machine learning

Two Confounds in Cross-Model Value Comparison: Response Determinism and the Access Harness

यह शोधपत्र क्रॉस-मॉडल वैल्यू तुलनाओं में दो महत्वपूर्ण भ्रमों (confounds) की पहचान करता है और उन्हें सुधारता है: रिस्पॉन्स डिटरमिनिज्म (response determinism), जो वास्तविक मूल्य अंतर को मजबूर-विकल्प प्रतिबद्धताओं (forced-choice commitments) की तीक्ष्णता के साथ मिला देता है, और एक्सेस हार्नेस (access harness), जहाँ परिनियोजन-विशिष्ट क्लाइंट परतें मॉडल के स्पष्ट मूल्य प्रोफाइल को महत्वपूर्ण रूप से बदल देती हैं, जिससे एकल-ड्रॉ मापों (single-draw measurements) के आधार पर रैंकिंग विकृत हो जाती है।

Hong-In Won, Jinseok Jang, Hyoseop Kim2026-07-14
💬 NLP

One mechanism for many mental spaces: a shared router over a value slot in language models

यह शोध पत्र प्रदर्शित करता है कि ट्रांसफॉर्मर भाषा मॉडल विविध मानसिक स्थानों (जैसे कि विश्वास, कल्पनाएँ और प्रतितथ्यात्मक/counterfactuals) के लिए एक एकीकृत तंत्र को लागू करते हैं, जो प्रत्येक संदर्भ प्रकार के लिए अलग-अलग तार्किक संरचनाओं का उपयोग करने के बजाय, एक एकल पुन: प्रयोज्य स्लॉट से मानों का चयन करने वाले एक साझा, लो-रैंक राउटर का उपयोग करता है।

Oliver Steele, Jiangtao Wen, Yuxing Han2026-07-14
🤖 machine learning

Data-Driven Telecom Marketing Optimization: A Machine Learning-Based Churn Prediction and Customer Segmentation Framework

यह शोध पत्र एक डेटा-संचालित मार्केटिंग ऑप्टिमाइज़ेशन फ्रेमवर्क का प्रस्ताव करता है जो कार्रवाई योग्य, सेगमेंट-विशिष्ट रिटेंशन रणनीतियों और एक परिमाणित ROI फ्रेमवर्क को उत्पन्न करने के लिए CatBoost-आधारित चर्न प्रेडिक्शन को K-Means कस्टमर सेगमेंटेशन के साथ एकीकृत करता है, जिसे एक इंटरैक्टिव Streamlit एप्लिकेशन के माध्यम से संचालित किया गया है।

Nada Ali, Lina Ahmed, Tahani Abdalla Attia Gasmalla2026-07-14
🤖 machine learning

Interpreting learning dynamics of autoencoders: Transient scaling and emerging concepts of the Ising model

यह शोध पत्र इस बात की जांच करता है कि कैसे आइसिंग मॉडल स्पिन विन्यास (spin configurations) पर प्रशिक्षित अनसुपरवाइज्ड ऑटोएनकोडर्स मैक्रोस्कोपिक चरों को सीखते हैं, जो हाइपरपैरामीटर्स द्वारा नियंत्रित दो विशिष्ट गतिशील अवस्थाओं (चुंबकत्व-प्रधान और ऊर्जा-प्रधान) को प्रकट करते हैं और उन क्षणिक स्केलिंग (transient scaling) एवं गैर-संतुलन प्रवाह क्षेत्रों (non-equilibrium flow fields) द्वारा अभिलक्षित होते हैं जो सीखने की गतिशीलता की एक भौतिक व्याख्या प्रस्तुत करते हैं।

Max Weinmann, Miriam Klopotek2026-07-14
🤖 machine learning

A Hyperbolic Neural Closure for M1 Radiation Transfer

यह शोध पत्र M1 विकिरण स्थानांतरण (रेडिएशन ट्रांसफर) के लिए एक हाइपरबोलिक न्यूरल क्लोजर प्रस्तावित करता है जो एक सममित मैट्रिक्स नेटवर्क और एक सख्ती से उत्तल (स्ट्रिक्टली कॉन्वेक्स) एंट्रॉपी नेटवर्क के माध्यम से सिस्टम के जैकोबियन को पैरामीटराइज करके संख्यात्मक स्थिरता और वास्तविक आइजनवैल्यूज़ की गारंटी देता है, जिससे विच्छिन्न गालर्किन (डिस्कंटीन्यूअस गैलरकिन) सिमुलेशन में शास्त्रीय विश्लेषणात्मक क्लोजर की तुलना में उच्च सटीकता प्राप्त होती है।

Bongseok Kim, Jiahao Zhang, Johannes Krotz, Dinshaw Balsara, Ryan McClarren, Guang Lin2026-07-14
🤖 machine learning

Gradient-Skipping Relevance Propagation for Efficient Explainability of Vision Transformers

यह शोध पत्र GradSkip को प्रस्तुत करता है, जो विजन ट्रांसफॉर्मर्स के लिए एक नवीन प्रासंगिकता प्रसार (relevance propagation) विधि है जो अटेंशन हेड्स को अनुकूल रूप से भारित करके और रेसिडुअल कनेक्शनों के माध्यम से प्रासंगिकता को गतिशील रूप से वितरित करके निष्ठा (faithfulness) और स्थानीयकरण (localization) में सुधार करती है, जिससे मौजूदा दृष्टिकोणों की तुलना में 14 गुना से अधिक कम GFLOPs के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।

Christopher Buratti, Michele Marchetti, Federica Parlapiano, Davide Traini, Domenico Ursino, Luca Virgili2026-07-14
⚡ electrical engineering

Vertical Fusion: Condensing Internal Representations for Robust ViT Classification

यह शोध पत्र VFusion प्रस्तुत करता है, जो गलत वर्गीकृत नमूनों को पुनः प्राप्त करने और मजबूती एवं सटीकता को महत्वपूर्ण रूप से बढ़ाने के लिए विजन ट्रांसफॉर्मर के भीतर मध्यवर्ती निरूपणों (intermediate representations) को एकत्रित करने की एक विधि है, जो पारंपरिक क्षैतिज एंसेम्बल दृष्टिकोणों के लिए एक कुशल विकल्प प्रदान करता है।

Francesco Di Salvo, Shyam Nandan Rai, Hamed Damirchi, Ignacio Meza De la Jara, Sebastian Doerrich, Marco Lents, Christia (…)2026-07-14
🤖 machine learning

TVT-PAPD: Pathology-Aware Prototype Distillation for Self-Supervised Whole Slide Image Classification

यह शोध पत्र TVT-PAPD का प्रस्ताव करता है, जो एक सेल्फ-सुपरवाइज्ड लर्निंग फ्रेमवर्क है जो होल स्लाइड इमेजेस में रोग-विशिष्ट रूपात्मक पैटर्न (morphological patterns) को कैप्चर करने के लिए टाइनी विजन ट्रांसफॉर्मर को पैथोलॉजी-अवेयर प्रोटोटाइप डिस्टिलेशन के साथ एकीकृत करता है, जिससे ग्लियोमा डेटासेट्स पर उच्च वर्गीकरण सटीकता और मजबूत क्रॉस-कोहॉर्ट सामान्यीकरण प्राप्त होता है।

Ramesh Naidu Laveti, Jaya Sreevalsan-Nair, T K Srikanth2026-07-14
🤖 machine learning

Machine Learning-based Correlation of Charpy Impact Properties Between Sub-sized and Standard-sized Specimens for Nuclear Structural Materials

यह अध्ययन एक मशीन लर्निंग-आधारित ढांचे का प्रस्ताव करता है जो परमाणु संरचनात्मक सामग्रियों के लिए उप-आकार (sub-sized) और मानक-आकार के नमूनों के बीच चार्पी इम्पैक्ट गुणों को सटीक रूप से सह-संबंधित करता है, जो डक्टाइल-टू-ब्रिटल ट्रांजिशन क्षेत्र में अवशोषित ऊर्जा को मैप करके, अनुमान (inference) के दौरान पूर्ण-आकार के डेटा की आवश्यकता के बिना ऊपरी शेल्फ ऊर्जा और डक्टाइल-टू-ब्रिटल ट्रांजिशन तापमान की भविष्यवाणी करने में पारंपरिक तरीकों की तुलना में बेहतर प्रदर्शन प्राप्त करता है।

Yugandhar Kasala Sreenivasulu, Isshu Lee, John W. Merickel, Fei Xu, Yalei Tang, Joshua E. Rittenhouse, Aleksandar Vakans (…)2026-07-14
🤖 machine learning

SPORT: Structure-Aware Prototype Disentanglement for Incomplete Multi-View Clustering

यह शोध पत्र SPORT का प्रस्ताव करता है, जो एक अधूरा मल्टी-व्यू क्लस्टरिंग (incomplete multi-view clustering) के लिए एक नवीन ढांचा है जो प्रोटोटाइप्स को साझा और व्यू-विशिष्ट घटकों में अलग करके प्रदर्शन में सुधार करता है, क्लस्टर-स्तरीय संबंधों को बनाए रखने के लिए संरचना-जागरूक कंट्रास्टिव लर्निंग (structure-aware contrastive learning) का उपयोग करता है, और सटीक लापता-व्यू रिकवरी के लिए वैश्विक प्रोटोटाइप्स और स्थानीय पड़ोस संरचनाओं को संयोजित करने वाली एक हाइब्रिड इम्प्यूटेशन रणनीति का उपयोग करता है।

Yaoyuan Guo, Zhibin Gu, Songhe Feng, Yuhui Zheng, Bing Li2026-07-14