🤖 machine learning

TASER: Task-Aware Stein Regularisation for Geometry-Driven Robustness

यह शोध पत्र TASER को प्रस्तुत करता है, जो लैंग्विन स्टेन ऑपरेटर्स (Langevin Stein operators) पर आधारित एक प्रशिक्षण-समय नियमितीकरण ढांचा है जो स्वच्छ सटीकता (clean accuracy) से समझौता किए बिना कार्य-जागरूक, अनिसोट्रोपिक स्मूथनेस (task-aware, anisotropic smoothness) उत्पन्न करके वितरण बदलावों (distribution shifts) और प्रतिकूल गड़बड़ी (adversarial perturbations) के विरुद्ध गहरे नेटवर्क की मजबूती और स्थिरता को बढ़ाता है।

Michał Kozyra, Gesine Reinert2026-06-01
🤖 machine learning

Constrained Flow Optimization via Sequential Fine Tuning for Molecular Design

यह शोध पत्र कंस्ट्रेंड फ्लो ऑप्टिमाइज़ेशन (CFO) को प्रस्तुत करता है, जो एक प्रमाणित रूप से अभिसारी (convergent) एल्गोरिदम है जो जेनेरेटिव फ्लो मॉडल्स के क्रमिक फाइन-ट्यूनिंग में समस्या को कम करके आणविक डिजाइन (molecular design) में रिवॉर्ड मैक्सिमाइजेशन और कंस्ट्रेंट सेटिस्फेक्शन के बीच संतुलन बनाता है।

Sven Gutjahr, Riccardo De Santi, Luca Schaufelberger, Kjell Jorner, Andreas Krause2026-06-01
📊 statistics

Reward Learning from Best-of-NN Preference Data: Targets, Tradeoffs, and Design Principles

यह शोध पत्र स्वतंत्र वेरिएंट्स के लिए क्लोज्ड-फॉर्म टारगेट्स (closed-form targets) को व्युत्पन्न करके, मार्जिन और कनेक्टिविटी के बीच उस ट्रेड-ऑफ का लक्षण वर्णन करके जो इष्टतम NN चयन को निर्धारित करता है, और जनरेशन लागत बनाम लेबल दक्षता को संतुलित करने के लिए डिज़ाइन सिद्धांतों का प्रस्ताव करके, बेस्ट-ऑफ-NN प्रेफरेंस डेटा से रिवॉर्ड लर्निंग का विश्लेषण करता है।

Rattana Pukdee, Maria-Florina Balcan, Pradeep Ravikumar2026-06-01
📊 statistics

Active Timepoint Selection for Learning Measure-Valued Trajectories

यह शोध पत्र एक नवीन सक्रिय शिक्षण (active learning) ढांचे को प्रस्तुत करता है जो प्रायिकता वितरणों (probability distributions) को एक गाऊसी प्रक्रिया (Gaussian Process) मॉडल में मैप करने के लिए रैखिकीकृत इष्टतम परिवहन (Linearized Optimal Transport) का लाभ उठाता है, जिससे एकल-कोशिका जीव विज्ञान जैसे डोमेन में विरल, विनाशकारी स्नैपशॉट्स से निरंतर प्रक्षेप पथों (continuous trajectories) का अनुमान लगाने के लिए इष्टतम मापन समय का रणनीतिक चयन संभव हो पाता है।

Nicolas Huynh, Mihaela van der Schaar2026-06-01
🤖 AI

Rationalize: Shared Semantic Reasoning for Human-AI Alignment

यह शोध पत्र "रैशनलाइज़" (Rationalize) का परिचय देता है, जो एक भूमिका-युग्म ढांचा है जो एक साझा तर्क स्थान स्थापित करके डेटा-संचालित अर्थबोध (sensemaking) में मानव-एआई संरेखण को बढ़ाता है, जहाँ पूरक भूमिकाएँ द्विदिश समझ और सहयोग को सुगम बनाने के लिए इरादे और तर्क को स्पष्ट रूप से व्यक्त करती हैं।

Aritra Dasgupta, Naga Datha Saikiran Battula, Avina Nakarmi, Sohom Sen, Subhodeep Ghosh, Xun Song2026-06-01
🧬 biology

CellBRIDGE: Learning Cellular Trajectories via Interaction-Aware Alignment

CellBRIDGE एक नवीन ढांचा (framework) है जो लिगैंड-रिसेप्टर मध्यस्थ कोशिका-कोशिका संचार लागतों को ऑप्टिमल ट्रांसपोर्ट में एकीकृत करके सिंगल-सेल आरएनए सीक्वेंसिंग में प्रक्षेपवक्र अनुमान (trajectory inference) को बढ़ाता है, जिससे कोशिकीय गतिशीलता के पुनर्निर्माण की सटीकता में सुधार होता है और यांत्रिक रूप से व्याख्या योग्य इन सिलिको (in silico) व्यवधानों को सक्षम बनाया जाता है।

Silas Ruhrberg Estévez, Nicolas Huynh, Tennison Liu, Roderik M. Kortlever, Gerard I. Evan, David L. Bentley, Mihaela van (…)2026-06-01
🤖 machine learning

CSULoRA: Closest Safe Update Low-Rank Adaptation

CSULoRA एक post-hoc विधि है जो एक सुरक्षा-संरेखित उप-स्थान (safety-aligned subspace) का अनुमान लगाकर और असुरक्षित LoRA अपडेट दिशाओं को कम करने के लिए एक क्लोज्ड-फॉर्म पेनलाइज्ड मिनिमम-चेंज समाधान लागू करके, फाइन-ट्यून किए गए बड़े भाषा मॉडलों की सुरक्षा को बनाए रखती है, जबकि कार्य-प्रासंगिक उपयोगिता को बरकरार रखती है।

Oleksandr Marchenko Breneur, Adelaide Danilov, Aria Nourbakhsh, Salima Lamsiyah2026-06-01
🤖 machine learning

Diffusion Models Preferentially Memorize Prototypical Examples or: Why Does My Diffusion Model Love Slop?

यह शोध पत्र प्रदर्शित करता है कि डिफ्यूजन मॉडल दुर्लभ या असामान्य नमूनों के बजाय सामान्य सबस्ट्रिंग्स (substrings) से बने प्रोटोटाइपिकल उदाहरणों को प्राथमिकता से याद करते हैं और उनका अत्यधिक उत्पादन करते हैं, जो यह दर्शाता है कि मेमोराइजेशन (memorization) और उत्पन्न आउटपुट में होने वाले परिणामी "स्लॉप" (slop) को रोकने के लिए उच्च अमूर्त स्तरों पर डेटासेट की विविधता अत्यंत महत्वपूर्ण है।

Marta Aparicio Rodriguez, Anastasia Borovykh, Grigorios A. Pavliotis, Daniel J. Korchinski2026-06-01
🤖 machine learning

Convergence of Steepest Descent and Adam under Non-Uniform Smoothness

यह शोध पत्र यह स्थापित करता है कि एक गैर-समान सुगमता (non-uniform smoothness) धारणा के तहत, जहाँ वक्रता (curvature) ऑब्जेक्टिव वैल्यू का एक अफ़ाइन फलन (affine function) है, स्टीपेस्ट डिसेंट और एडम (Adam) एवं RMSProp जैसे एडेप्टिव मेथड्स, लॉजिस्टिक रिग्रेशन, सॉफ्टमैक्स पॉलिसी ग्रेडिएंट और विशिष्ट न्यूरल नेटवर्क जैसी समस्याओं के लिए पारंपरिक ग्रेडिएंट डिसेंट और अन्य वेरिएंट्स की तुलना में प्रमाणित रूप से तेज़ रैखिक अभिसरण दरें (linear convergence rates) प्राप्त करते हैं।

Sharan Vaswani, Yifan Sun, Reza Babanezhad2026-06-01
🤖 machine learning

LARK: Learnability-Grounded Trajectory Selection for Efficient Reasoning Distillation

यह शोध पत्र LARK को प्रस्तुत करता है, जो एक शिक्षणीयता-आधारित (learnability-grounded) ढांचा है जो उन शिक्षक तर्क प्रक्षेप पथों (reasoning trajectories) को कुशलतापूर्वक चुनकर डिस्टिलेशन के लिए प्राथमिकता देता है जो वितरण संबंधी कवरेज (distributional coverage) बनाए रखते हुए छात्र मॉडल की सीखने की दर को अधिकतम करते हैं, जिससे यह मौजूदा ह्यूरिस्टिक-आधारित चयन विधियों से बेहतर प्रदर्शन करता है।

Tianrun Yu, Kaixiang Zhao, Chih-Chun Chen, Amanda Hughes, Taylor W. Killian, Fenglong Ma, Weitong Zhang, Porter Jenkins2026-06-01