🤖 Category

cs.LG

22958 पेपर

🤖 machine learning

Knowledge-Informed Kernel State Reconstruction from Heterogeneous Partial Observations

यह शोधपत्र MAAT को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो आंशिक, शोरयुक्त और विषम अवलोकनों से सुचारू, सुसंगत अवस्था प्रक्षेपवक्रों (स्टेट ट्राजेक्टरीज) और उनके डेरिवेटिव्स को पुनर्गठित करने के लिए रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस और भौतिक पूर्वग्रहों (फिजिकल प्रायर्स) का लाभ उठाता है, जिससे बेसलाइनों की तुलना में सटीकता में उल्लेखनीय सुधार होता है और डाउनस्ट्रीम मैकेनिस्टिक खोज को सक्षम बनाया जाता है।

Luca Muscarnera, Silas Ruhrberg Estévez, Samuel Holt, Evgeny Saveliev, Mihaela van der Schaar2026-06-02
🤖 machine learning

GUDA: Counterfactual Group-wise Training Data Attribution for Diffusion Models via Unlearning

यह शोध पत्र GUDA का प्रस्ताव करता है, जो डिफ्यूजन मॉडल्स के लिए काउंटरफैक्चुअल ग्रुप-वाइज ट्रेनिंग डेटा एट्रिब्यूशन को कुशलतापूर्वक अनुमानित करने के लिए मशीन अनलर्निंग का लाभ उठाता है, जिससे पारंपरिक रिट्रेनिंग दृष्टिकोणों की तुलना में महत्वपूर्ण गति वृद्धि के साथ प्रभावशाली डेटा समूहों की विश्वसनीय पहचान संभव होती है।

Naoki Murata, Yuhta Takida, Chieh-Hsin Lai, Toshimitsu Uesaka, Bac Nguyen, Stefano Ermon, Yuki Mitsufuji2026-06-02
📊 statistics

Approximating ff-Divergences with Rank Statistics

यह शोधपत्र ff-डाइवर्जेंस (divergences) के एक रैंक-सांख्यिकी सन्निकटन (rank-statistic approximation) को प्रस्तुत करता है जो वितरणों के बेमेल होने को रैंक हिस्टोग्राम में मैप करके स्पष्ट घनत्व-अनुपात अनुमान (density-ratio estimation) से बचता है, जो प्रमाणित निचली सीमाओं (lower bounds), अभिसरण गारंटी (convergence guarantees) और परिमित-नमूना सीमाओं (finite-sample bounds) को प्रदान करने के साथ-साथ उच्च-आयामी परिवेशों और जनरेटिव मॉडलिंग में प्रभावशीलता प्रदर्शित करता है।

Viktor Stein, José Manuel de Frutos2026-06-02
💬 NLP

Reconsidering Positional Supervision in Masked Diffusion Language Model Training

यह शोध पत्र प्रदर्शित करता है कि मास्क्ड डिफ्यूजन लैंग्वेज मॉडल्स (Masked Diffusion Language Models) इटरेटिव डिकोडिंग के दौरान मामूली पोजीशनल शिफ्ट्स के प्रति संवेदनशील होते हैं और एक विशिष्ट अनसर्टेनिटी-एब्जॉर्बिंग टोकन (uncertainty-absorbing token) के साथ कनेक्शनिस्ट टेम्पोरल क्लासिफिकेशन (CTC) को अनुकूलित करने का प्रस्ताव देता है ताकि सख्त पोजीशनल बाधाओं को शिथिल किया जा सके, जिसके परिणामस्वरूप कई जनरेशन बेंचमार्क में सांख्यिकीय रूप से महत्वपूर्ण प्रदर्शन सुधार प्राप्त होते हैं।

Mengyu Ye, Keito Kudo, Ryosuke Takahashi, Jun Suzuki2026-06-02
🤖 machine learning

LRAgent: Efficient KV Cache Sharing for Multi-LoRA LLM Agents

LRAgent एक मल्टी-LoRA LLM एजेंटों के लिए एक KV कैश शेयरिंग फ्रेमवर्क है जो कैश को साझा बेस और लो-रैंक एडेप्टर घटकों में विभाजित करता है, और एक नवीन Flash-LoRA-Attention कर्नेल का उपयोग करता है ताकि उच्च सटीकता और थ्रूपुट बनाए रखते हुए मेमोरी और कंप्यूट ओवरहेड को काफी कम किया जा सके।

Hyesung Jeon, Hyeongju Ha, Jae-Joon Kim2026-06-02
🤖 machine learning

Zero-Shot Off-Policy Learning

यह शोध पत्र एक ज़ीरो-शॉट ऑफ-पॉलिसी लर्निंग विधि प्रस्तावित करता है जो इष्टतम महत्व नमूनाकरण (इम्पॉर्टेंस सैंपलिंग) अनुपातों को अनुमानित करने के लिए सक्सेसर मेजर्स और स्टेशनरी डेंसिटी रेश्यो के बीच एक सैद्धांतिक संबंध का लाभ उठाता है, जिससे विविध बेंचमार्क में नई कार्यों के लिए प्रशिक्षण-मुक्त अनुकूलन सक्षम होता है।

Arip Asadulaev, Maksim Bobrin, Salem Lahlou, Dmitry Dylov, Fakhri Karray, Martin Takac2026-06-02
🤖 machine learning

Probabilistic Performance Guarantees for Multi-Task Reinforcement Learning

यह शोध पत्र मल्टी-टास्क रिइन्फोर्समेंट लर्निंग के लिए एक नवीन दृष्टिकोण प्रस्तुत करता है जो प्रति-कार्य लोअर कॉन्फिडेंस बाउंड्स को नमूना लिए गए कार्यों में कार्य-स्तरीय सामान्यीकरण के साथ जोड़कर अनदेखे कार्यों के लिए औपचारिक, उच्च-विश्वास प्रदर्शन गारंटी प्रदान करता है।

Yannik Schnitzer, Mathias Jackermeier, Alessandro Abate, David Parker2026-06-02
🤖 machine learning

Interpretability in Deep Time Series Models Demands Semantic Alignment

यह शोध पत्र तर्क देता है कि गहन समय श्रृंखला (deep time series) मॉडलों में व्याख्यात्मकता के लिए "सिमेंटिक अलाइनमेंट" (semantic alignment) की आवश्यकता होती है, जहाँ भविष्यवाणियों को ऐसे उपयोगकर्ता-सार्थक चरों और तंत्रों के माध्यम से व्यक्त किया जाता है जो समय संबंधी बाधाओं का सम्मान करते हैं, और इस लक्ष्य को प्राप्त करने के लिए एक औपचारिक परिभाषा और डिज़ाइन ब्लूप्रिंट प्रस्तावित करता है।

Giovanni De Felice, Riccardo D'Elia, Alberto Termine, Pietro Barbiero, Giuseppe Marra, Silvia Santini2026-06-02
🔢 mathematics

Well-Posed KL-Regularized Control via Wasserstein and Kalman-Wasserstein KL Divergences

यह शोध पत्र क्लासिकल KL डाइवर्जेंस (KL divergence) में निहित सिंगुलैरिटीज़ (singularities) और सपोर्ट मिसमैच (support mismatch) की समस्याओं को हल करने के लिए वॉसरस्टीन (Wasserstein) और कलमान-वॉसरस्टीन (Kalman-Wasserstein) डाइवर्जेंस का उपयोग करते हुए सुव्यवस्थित KL-रेगुलराइज्ड नियंत्रण विधियों को प्रस्तुत करता है, जिससे कम-शोर वाले परिदृश्यों (low-noise regimes) में स्थिर और उच्च-प्रदर्शन वाला फीडबैक नियंत्रण सक्षम होता है।

Viktor Stein, Adwait Datar, Nihat Ay2026-06-02
🤖 machine learning

naPINN: Noise-Adaptive Physics-Informed Neural Networks for Recovering Physics from Corrupted Measurement

यह शोध पत्र naPINN का प्रस्ताव करता है, जो एक शोर-अनुकूलित भौतिकी-सूचित तंत्रिका नेटवर्क (Noise-Adaptive Physics-Informed Neural Network) है, जो शोर वितरण के पूर्व ज्ञान के बिना आउटलेर्स को फ़िल्टर करने के लिए एक प्रशिक्षित विश्वसनीयता गेट (reliability gate) का उपयोग करने और अवशिष्ट वितरणों (residual distributions) को सीखने के लिए एक ऊर्जा-आधारित मॉडल को समाहित करके दूषित मापों से भौतिक समाधानों को मजबूती से पुनर्प्राप्त करता है।

Hankyeol Kim, Pilsung Kang2026-06-02