🤖 machine learning

ContinuousBench: Can Differentially Private Synthetic Text Improve Capabilities?

यह शोधपत्र ContinuousBench को प्रस्तुत करता है, जो एक गतिशील रूप से पुन: उत्पन्न होने वाला बेंचमार्क है जिसे यह मूल्यांकन करने के लिए डिज़ाइन किया गया है कि क्या विभेदक रूप से निजी (differentially private) सिंथेटिक टेक्स्ट संवेदनशील कॉर्पोरा से वास्तविक ज्ञान को स्थानांतरित कर सकता है, जिससे यह पता चलता है कि जबकि गैर-निजी संश्लेषण सफल होता है, वर्तमान अत्याधुनिक विभेदक रूप से निजी विधियाँ उच्च गोपनीयता बजट पर भी ऐसा करने में विफल रहती हैं।

Peihan Liu, Lucas Rosenblatt, Weiwei Kong, Natalia Ponomareva, Gautam Kamath, Rachel Cummings, Roxana Geambasu, Yu Gan (…)2026-06-02
🤖 machine learning

Task-Induced Representational Invariances Depend on Learning Objective in Deep RL

यह शोधपत्र प्रदर्शित करता है कि डीप रिइन्फोर्समेंट लर्निंग एल्गोरिदम, विशेष रूप से वैल्यू-बेस्ड (DQN) और पॉलिसी-ग्रेडिएंट (PPO) विधियाँ, तुलनीय प्रदर्शन के बावजूद, क्रमशः MDP होमोमोर्फिज्म और एक्शन सिमिट्री के अनुरूप, विशिष्ट कार्य-प्रेरित रिप्रजेंटेशनल इनवेरियन्स (representational invariances) सीखते हैं, जो मॉडलों की तुलना करने और न्यूरल कोडिंग में अंतर्दृष्टि प्राप्त करने के लिए एक सिद्धांतपूर्ण ढांचा प्रदान करता है।

Manu Srinath Halvagal, Sebastian Lee, SueYeon Chung2026-06-02
🤖 machine learning

G2LoRA: Gradient Orthogonal Low-Rank Adaptation Framework for Graph Continual Learning on Text-Attributed Graphs

G2LoRA टेक्स्ट-एट्रीब्यूटेड ग्राफ्स के लिए एक निरंतर सीखने (continual learning) का फ्रेमवर्क है जो विविध कार्यों को एक एकल संरेखण उद्देश्य (alignment objective) के तहत एकीकृत करके और ग्राफ एवं टेक्स्ट एनकोडर्स के बीच अपडेट को समन्वित करने के लिए मैग्नीट्यूड मॉड्यूलेशन के साथ श्रेणी-जागरूक ग्रेडिएंट प्रोजेक्शन का उपयोग करके LLM-as-Aligner मॉडल्स में कैटास्ट्रोफिक फॉरगेटिंग और टास्क इंटरफेरेंस को कम करता है।

Yuhan Wang, Yibo Ding, Yutong Ye, Mufan Zhao, Wenbo Zhang, Ruijie Wang, Jianxin Li2026-06-02
🤖 machine learning

Beyond the Simplex: Balanced Prototype Geometry for Scorer-Agnostic Open-Set Recognition

यह शोध पत्र सिम्प्लेक्स-आधारित ओपन-सेट रिकग्निशन के लिए एक व्यापक सैद्धांतिक ढांचा प्रदान करता है जो सभी एम्बेडिंग आयामों तक विस्तृत है, प्रोटोटाइप ज्यामिति और स्वीकृति क्षेत्रों को अभिलक्षणित करता है और अनुभवजन्य रूप से यह प्रदर्शित करता है कि यद्यपि संतुलित प्रोटोटाइप मूल्यवान संरचनात्मक अंतर्दृष्टि प्रदान करते हैं, उनकी प्रभावशीलता अंततः केवल ज्यामिति के बजाय स्कोरिंग नियम के चयन पर निर्भर करती है।

Mayank Sharma, Rohit Kumar Mourya2026-06-02
🤖 machine learning

Private and Stable Test-Time Adaptation with Differential Privacy

यह शोधपत्र लोकप्रिय टेस्ट-टाइम अडैप्टेशन विधियों के डिफरेंशियल प्राइवेट संस्करणों को प्रस्तुत करता है जो परीक्षण डेटा की गोपनीयता की रक्षा करने के लिए प्रति-नमूना ग्रेडिएंट क्लिपिंग और गॉसियन नॉइज़ का उपयोग करते हैं, जबकि मामूली कम्प्यूटेशनल ओवरहेड के साथ ImageNet-C पर सटीकता और स्थिरता को बनाए रखते हैं या यहाँ तक कि उसमें सुधार भी करते हैं।

Zefeng Li, Qiaoyue Tang, Mathias Lecuyer, Evan Shelhamer2026-06-02
🤖 machine learning

HMPO: Hybrid Median-length Policy Optimization for Chain-of-Thought Compression

HMPO एक लागत प्रभावी, एकल-चरणीय सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो विविध कार्यों और मॉडल स्केल्स में नगण्य सटीकता हानि के साथ चेन-ऑफ-थॉट रीजनिंग को 19%–46% तक कुशलतापूर्वक संकुचित करता है, जो मौजूदा विधियों में मैनुअल ट्यूनिंग और बहु-चरणीय प्रशिक्षण की सीमाओं को दूर करता है।

Minghui Zheng, Hongxu Chen, Huimin Ren, Hongsheng Xin, Xiaoyang Qu, Ze Wang, Shuling Yang, Ziyu Peng, Kaike Zhang, Pan Z (…)2026-06-02
🤖 machine learning

A Closer Look at In-Distribution vs. Out-of-Distribution Accuracy for Open-Set Test-time Adaptation

यह शोध पत्र दूषित CIFAR-10 और ImageNet डेटासेट पर मौजूदा ओपन-सेट टेस्ट-टाइम एडेप्टेशन विधियों का बेंचमार्किंग करता है ताकि इन-डिस्ट्रीब्यूशन सटीकता और आउट-ऑफ-डिस्ट्रीब्यूशन रिजेक्शन के बीच प्रभावी ढंग से संतुलन बनाने में उनकी अक्षमता को उजागर किया जा सके, और इन ट्रेड-ऑफ्स को संबोधित करने के लिए एक सिग्मॉइड-आधारित बेसलाइन का प्रस्ताव करता है।

Zefeng Li, Evan Shelhamer2026-06-02
💬 NLP

MMG2Skill: Can Agents Distill In-the-Wild Guides into Self-Evolving Skills?

यह शोध पत्र MMG2Skill प्रस्तुत करता है, जो एक क्लोज्ड-लूप फ्रेमवर्क और संबंधित बेंचमार्क (MMG2Skill-Bench) है जो AI एजेंटों को संरचित संकलन (structured compilation) और प्रक्षेपवक्र-संचालित संशोधन (trajectory-driven revision) के माध्यम से शोरयुक्त, मल्टीमॉडल वेब गाइड्स को स्व-विकसित निष्पादन योग्य कौशलों में परिष्कृत करने में सक्षम बनाता है, जो विविध डोमेन में बेसलाइन एजेंटों की तुलना में काफी बेहतर प्रदर्शन करता है।

Xinyu Che, Junqi Xiong, Yunfei Ge, Xinping Lei, Shihao Li, Hang Yan, Han Li, Yuanxing Zhang, Zhiqi Bai, Jinhua Hao, Ming (…)2026-06-02
🤖 machine learning

Why Do Time Series Models Need Long Context Windows?

यह शोध पत्र तर्क देता है कि टाइम सीरीज़ फोरकास्टिंग (समय श्रृंखला पूर्वानुमान) में लंबी संदर्भ खिड़कियाँ (लॉन्ग कॉन्टेक्स्ट विंडोज़) न केवल दीर्घकालिक निर्भरताओं को पकड़ने के लिए आवश्यक हैं, बल्कि मुख्य रूप से अंतर्निहित डेटा-जनरेटिंग प्रक्रिया की पहचान करने में अनिश्चितता को कम करने के लिए भी अनिवार्य हैं, जो एक ऐसी आवश्यकता है जो न्यूनतम त्रुटि प्राप्त करने के लिए प्रक्रिया की मेमोरी लंबाई से अधिक होने के रूप में सिद्ध हुई है।

Luca Butera, Giovanni De Felice, Andrea Cini, Cesare Alippi2026-06-02