⚡ electrical engineering

Benchmarking Recursive-Collapse Warning Claims Under Matched False-Positive Control

यह शोध पत्र लूपज़ीरो (Loopzero) को प्रस्तुत करता है, जो एक पुनरुत्पादनीय (reproducible) और असत्यता-परीक्षण योग्य (falsifiable) बेंचमार्क ढांचा है जो एक सख्त 'इक्वल-फॉल्स-पॉजिटिव' अनुबंध के तहत रिकर्सिव-कोलैप्स चेतावनी दावों का मूल्यांकन करता है, यह प्रदर्शित करते हुए कि सार्वजनिक-बाजार और अनुशंसा-प्रणाली (recommender-system) बेंचमार्क पर न तो मानक तुलनात्मक मॉडल और न ही इसका अपना पूर्व-पंजीकृत डिटेक्टर स्वीकृत ऑपरेटिंग पॉइंट प्राप्त कर सका, बावजूद इसके कि प्रस्तावित विफलता पैटर्न के साथ देखी गई दिशात्मक संरेखण (directional alignment) मौजूद थी।

David Mullett2026-06-02
🤖 AI

From Noise to Control: Parameterized Diffusion Policies

यह शोधपत्र पैरामीट्राइज़्ड डिफ्यूज़न पॉलिसी (PDP) पेश करता है, जो एक ऐसा फ्रेमवर्क है जो कम-आयामी निरंतर मापदंडों (low-dimensional continuous parameters) को एक सीखे हुए व्यवहार मैनिफोल्ड (behavior manifold) में समाहित करता है ताकि डिफ्यूज़न मॉडल्स को स्टोकेस्टिक जनरेटरों से बदलकर रोबोटिक व्यवहारों को निर्देशित करने और बिना पुन: प्रशिक्षण के नवीन बाधाओं के अनुकूल होने के लिए सटीक, अनुकूलन योग्य उपकरणों में रूपांतरित किया जा सके।

Renhao Zhang, Haotian Fu, Mingxi Jia, George Konidaris, Yilun Du, Bruno Castro da Silva2026-06-02
🤖 machine learning

Balancing Learning Rates Across Layers: Exact Two-Step Dynamics and Optimal Scaling in Linear Neural Networks

यह शोध पत्र यह प्रदर्शित करने के लिए लीनियर न्यूरल नेटवर्क के शुरुआती प्रशिक्षण गतिकी (training dynamics) के सटीक क्लोज्ड-फॉर्म व्यंजक (closed-form expressions) व्युत्पन्न करता है कि टेस्ट लॉस को कम करने के लिए पहले चरण में असमान लेयर-वार लर्निंग रेट्स की आवश्यकता होती है, जिसके बाद आगामी चरणों में समान दरें आवश्यक होती हैं।

Tianyu Pang, Vignesh Kothapalli, Shenyang Deng, Haohui Wang, Dawei Zhou, Yaoqing Yang2026-06-02
🤖 machine learning

The role of class encoding in neural collapse

यह शोध पत्र इस बात की जांच करता है कि लेबल एनकोडिंग न्यूरल कोलैप्स (neural collapse) को कैसे प्रभावित करती है, यह प्रदर्शित करते हुए कि संतुलित डेटा पर वन-हॉट एनकोडेड लेबल्स के लिए, बायस रेगुलराइजेशन (bias regularization) बढ़ाने से अनसेंटर्ड मीन फीचर्स (uncentered mean features) एक सिम्प्लेक्स इक्विएंगुलर टाइट फ्रेम (simplex equiangular tight frame) से एक ऑर्थोगोनल फ्रेम (orthogonal frame) में परिवर्तित हो जाते हैं, और साथ ही यह भी दर्शाता है कि क्लासिफायर का बायस आम तौर पर मनमाने लेबल एनकोडिंग्स को केंद्रित करने का कार्य करता है।

Bastien Massion, Roy Makhlouf, Estelle Massart2026-06-02
🤖 machine learning

Drift Q-Learning

DriftQL एक नवीन ऑफलाइन सुदृढीकरण लर्निंग (reinforcement learning) विधि है जो एक ही नेटवर्क में ड्रिफ्ट-आधारित व्यवहारिक रेगुलराइज़र (behavioral regularizer) और क्रिटिक-संचालित नीति सुधार (critic-driven policy improvement) को जोड़कर एक ही फॉरवर्ड पास में कुशलतापूर्वक क्रियाएं उत्पन्न करती है, जो D4RL और OGBench पर अत्याधुनिक प्रदर्शन प्राप्त करती है और डिफ्यूजन एवं फ्लो-आधारित दृष्टिकोणों की तुलना में घटिया डेटा गुणवत्ता के प्रति बेहतर मजबूती प्रदर्शित करती है।

Anas Houssaini, Mohamad H. Danesh, Amin Abyaneh, Scott Fujimoto, Hsiu-Chin Lin, David Meger2026-06-02
🤖 machine learning

Reinforcement Learning with Pairwise Preferences in Long-Term Decision Problems

यह शोध पत्र युग्मवार प्राथमिकताओं (pairwise preferences) वाले सुदृढीकरण अधिगम (reinforcement learning) के लिए एक नए ढांचे के रूप में मार्कोव निर्णय प्रतियोगिता (Markov decision contest) को प्रस्तुत करता है, जो यह सिद्ध करता है कि स्थिर मार्कोव नीतियां (stationary Markov policies) इष्टतम हैं और यह प्रदर्शित करता है कि एक सरल पुनरावृत्ति एल्गोरिदम पूर्व विधियों की तुलना में दीर्घ-क्षितिज (long-horizon), उच्च-आयामी समस्याओं में बेहतर शिक्षण दक्षता प्राप्त करता है।

Jonathan Colaço Carr, Prakash Panangaden, Doina Precup, Benjamin Van Roy2026-06-02
🤖 machine learning

How Much Orthogonalization Does Muon Need?

यह शोध पत्र प्रदर्शित करता है कि एक कम लागत वाला, पांच-चरणीय क्यूबिक न्यूटन-शुलज़ ऑर्थोगोनलाइजेशन शेड्यूल अधिक महंगे म्यूऑन (Muon) वेरिएंट के तुलनीय प्रशिक्षण गुणवत्ता प्राप्त करता है, जो यह प्रकट करता है कि प्रभावी न्यूरल नेटवर्क प्रशिक्षण के लिए उच्च पोलर-डिकंपोजिशन सटीकता का सख्ती से आवश्यक होना अनिवार्य नहीं है।

Hua Huang2026-06-02
🤖 AI

The Deterministic Horizon: When Extended Reasoning Fails and Tool Delegation Becomes Necessary

यह शोध पत्र प्रदर्शित करता है कि डिकोडर-ओनली (decoder-only) LLMs एक आर्किटेक्चरल "डिटरमिनिस्टिक होराइजन" (लगभग 19-31 चरण) का सामना करते हैं जहाँ सूचना-सैद्धांतिक अटेंशन बॉटलनैक्स (information-theoretic attention bottlenecks) के कारण विस्तारित चेन-ऑफ-थॉट (chain-of-thought) तर्क विफल हो जाता है, जिससे डिटरमिनिस्टिक स्टेट-ट्रैकिंग कार्यों पर उच्च सटीकता प्राप्त करने के लिए टूल-डेलीगेटेड हाइब्रिड दृष्टिकोणों की ओर बदलाव आवश्यक हो जाता है।

Dongxin Guo, Jikun Wu, Siu Ming Yiu2026-06-02
🤖 machine learning

Multi-Objective Reference-Aligned Machine Unlearning

यह शोध पत्र रेफरेंस-अलाइन्ड अनलर्निंग (RAUL) का प्रस्ताव करता है, जो एक बहु-उद्देश्यीय ढांचा है जो अनबाउंडेड लॉस मैक्सिमाइजेशन को एक रेफरेंस डिस्ट्रीब्यूशन के प्रति बाउंडेड KL अलाइनमेंट से बदलकर और पूर्ण रिट्रेनिंग के तुलनीय प्रदर्शन प्राप्त करने के लिए परिणामी ऑप्टिमाइजेशन को जैकोबियन डिसेंट के माध्यम से हल करके मशीन अनलर्निंग में कैटास्ट्रोफिक फॉरगेटिंग को कम करता है।

Rasa Khosrowshahli, Stephen Asobiela, Beatrice Ombuki-Berman, Shahryar Rahnamayan2026-06-02
📊 statistics

Riemannian Stochastic Optimization for Sufficient Dimension Reduction

यह शोध पत्र SMAVE को प्रस्तुत करता है, जो पर्याप्त आयामी न्यूनीकरण (sufficient dimension reduction) के लिए एक रीमानियन स्टोकेस्टिक अनुकूलन एल्गोरिदम है, जो समस्या को क्लोज्ड-फॉर्म रीमानियन ग्रेडिएंट के साथ स्टिफल मैनिफोल्ड (Stiefel manifold) पर एक स्मूथ मैक्सिमाइजेशन के रूप में व्यवस्थित करके मौजूदा विधियों की तुलना में बेहतर सबस्पेस रिकवरी और काफी कम रनटाइम प्राप्त करता है।

Thibault Pautrel, François Portier2026-06-02