🤖 Category

cs.LG

23088 पेपर

🤖 machine learning

Eigenvectors of Experts are Training-free Non-collapsing Routers

यह शोध पत्र SSMoE प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो स्पार्स मिक्सचर ऑफ एक्सपर्ट्स (Sparse Mixture of Experts) मॉडलों में एक्सपर्ट कोलैप्स (expert collapse) की समस्या को प्रभावी ढंग से हल करने और विविध कार्यों में उनके प्रदर्शन को बढ़ाने के लिए सिंगुलर वैल्यू डिकंपोजिशन (Singular Value Decomposition) के माध्यम से एक्सपर्ट वेट मैट्रिसेस (expert weight matrices) के आइजनवेक्टर्स (eigenvectors) का लाभ उठाता है।

Giang Do, Hung Le, Truyen Tran2026-06-01
📊 statistics

Hedging on the Frontier: Learning New Tasks with Few Samples

यह शोध पत्र सार्वजनिक बेंचमार्क में देखी गई अनुमानित कमजोर एकतोनता (weak monotonicity) का लाभ उठाने का प्रस्ताव करता है ताकि मॉडल वर्गों को छाँटकर और ट्रांसफर लर्निंग एवं मॉडल चयन एकत्रीकरण के भीतर फ्रंटियर पर हेजिंग के माध्यम से ट्रेड-ऑफ ज्यामिति (trade-off geometries) के अनुकूल बनकर नए कार्यों पर फ्यू-शॉट लर्निंग में सुधार किया जा सके।

Tobias Wegel, Federico Di Gennaro, Geelon So, Fanny Yang2026-06-01
🤖 machine learning

HetCCL: Enabling Collective Communication For Mixed-Vendor Heterogeneous Clusters

doesCCL एक नवीन ढांचा है जो होस्ट-डिवाइस कॉपी-फ्री P2P ट्रांसपोर्ट, एक वेंडर-स्वतंत्र बॉर्डर-कम्युनिकेटर मैकेनिज्म और एक पदानुक्रमित टोपोलॉजी एब्स्ट्रैक्शन को पेश करके मिश्रित-वेंडर हेट्रोजेनियस क्लस्टर्स में कुशल सामूहिक संचार (collective communication) सक्षम करता है, जिससे Gloo की तुलना में 19 गुना अधिक बैंडविड्थ प्राप्त होती है और LLM प्रशिक्षण में 16.9% की तेजी आती है।

Yuejie Wang, Tao Chang, Yuanyuan Zhao, Yulong Ao, Zeyu Gu, Zhiyu Li, Yanmin Jia, Yan Zhang, Mingjun Zhang, He Liu, Yongz (…)2026-06-01
🤖 machine learning

Learning Multi-Agent Coordination via Sheaf-ADMM

यह शोध पत्र एक डिफरेंशिएबल मल्टी-एजेंट कोऑर्डिनेशन फ्रेमवर्क पेश करता है जो ADMM-आधारित ऑप्टिमाइज़ेशन प्रक्रिया के भीतर इंटर-एजेंट बाधाओं को परिभाषित करने के लिए सेलुलर शीव्स (cellular sheaves) का लाभ उठाता है, जिससे सीमित स्थानीय दृश्य वाले एजेंट पाथफाइंडिंग, इमेज क्लासिफिकेशन और सुडोकू जैसे कार्यों के लिए मजबूत वैश्विक समाधान सीखने में सक्षम होते हैं, जबकि मानक मैसेज-पासिंग बेसलाइन की तुलना में अधिक व्याख्यात्मकता और प्रदर्शन प्रदान करते हैं।

Jeffrey Seely, Bartłomiej Cupiał, Llion Jones2026-06-01
🤖 machine learning

Physics-Informed Coarsening for Multigrid Graph Neural Surrogates

यह शोध पत्र सॉलिड मैकेनिक्स के लिए एक मल्टीग्रिड ग्राफ न्यूरल नेटवर्क प्रस्तुत करता है जो डाउनसैंपलिंग के दौरान उच्च-तनाव वाले क्षेत्रों को प्राथमिकता देने के लिए एक भौतिकी-सूचित (फिजिक्स-इन्फॉर्म्ड) कोर्सनिंग रणनीति का उपयोग करता है, जिससे मानक ज्यामितीय अनुमानी (जियोमेट्रिक ह्यूरिस्टिक्स) की तुलना में गैररेखीय और क्षणिक विरूपणीय ठोस पदार्थों के दीर्घकालिक सिमुलेशन में सटीकता और स्थिरता बढ़ती है।

Amir Bazzi, David Cardinaux, Ramy Nemer, Jose Alaves, Arjun Kalkur Matpadi Raghavendra, Elie Hachem2026-06-01
🤖 machine learning

Augmented Lagrangian Predictive Coding

यह शोध पत्र ऑगमेंटेड लैग्रेंजियन प्रेडिक्टिव कोडिंग (PC-ALM) को प्रस्तुत करता है, जो एक स्थानीय-लर्निंग एल्गोरिदम है जो सटीक बैकप्रोपैगेशन-तुल्य ग्रेडिएंट्स और गहरे नेटवर्क में "बैलिस्टिक" क्रेडिट प्रोपेगेशन प्राप्त करने के लिए लेयर-लोकल लैग्रेंज मल्टीप्लायर्स में बाधा त्रुटियों (constraint errors) को संचित करता है, जिससे यह गहरे और संकीर्ण आर्किटेक्चर में मानक प्रेडिक्टिव कोडिंग की प्रदर्शन सीमाओं को दूर करता है।

Jeffrey Seely, Julian Gould2026-06-01
🤖 machine learning

Annealed Softmax Greedy in Many-Armed Bayesian Bandits

यह शोध पत्र यह प्रदर्शित करता है कि एक रैखिक ऊपरी-पूंछ (linear upper-tail) स्थिति को संतुष्ट करने वाले प्रायर (prior) वाले अनेक-भुजाओं वाले बेयसियन बैंडिट्स (many-armed Bayesian bandits) में, जहाँ निकट-इष्टतम भुजाओं की प्रचुरता होती है, एक एनेल्ड सॉफ्टमैक्स ग्रीडी पॉलिसी (annealed softmax greedy policy) निकट-इष्टतम विकल्पों के चयन की उच्च संभावना का प्रभावी ढंग से लाभ उठाकर निकट-इष्टतम बेयस रिग्रेट (near-optimal Bayes regret) प्राप्त करती है, जिससे RLVR और GRPO जैसी विधियों में अनिश्चितता-अज्ञेय अपडेट (uncertainty-agnostic updates) की सफलता का एक सैद्धांतिक स्पष्टीकरण मिलता है।

William Overman, Mohsen Bayati2026-06-01
🤖 machine learning

Model Monotonicity in Autobidding Auctions: When Do Better Predictions Lead to Better Outcomes?

यह शोध पत्र एक ऐसे ढांचे को प्रस्तुत करता है जो यह विश्लेषण करता है कि ऑटोबिडिंग ऑक्शन में मशीन लर्निंग प्रेडिक्शन मॉडल्स में सुधार कब बेहतर प्लेटफॉर्म-स्तरीय परिणामों की ओर ले जाता है, जिससे यह पता चलता है कि जबकि बिना बजट वाले फर्स्ट-प्राइस ऑक्शन में tCPA बिडर्स के लिए रेवेन्यू मोनोटोनिसिटी (revenue monotonicity) बनी रहती है, इसे सेकंड-प्राइस फॉर्मेट या बजट बाधाओं द्वारा तोड़ा जा सकता है।

Ashwinkumar Badanidiyuru2026-06-01
🤖 machine learning

UniRTL: Unifying Code and Graph for Robust RTL Representation Learning

UniRTL एक मल्टीमॉडल प्रीट्रेनिंग फ्रेमवर्क है जो सूक्ष्म-स्तरीय संरेखण (fine-grained alignment) और पदानुक्रमित प्रशिक्षण (hierarchical training) के माध्यम से RTL कोड और कंट्रोल डेटा फ्लो ग्राफ को एकीकृत करता है ताकि ऐसे सुदृढ़ निरूपण (robust representations) उत्पन्न किए जा सकें जो हार्डवेयर डिज़ाइन ऑटोमेशन कार्यों में मौजूदा सिंगल-मोडैलिटी दृष्टिकोणों से बेहतर प्रदर्शन करते हैं।

Yi Liu, Hongji Zhang, Lei Chen, Mingxuan Yuan, Qiang Xu2026-06-01
📊 statistics

Routing on the Stiefel Manifold: When Does Adaptive Subspace Selection Help for Cross-Domain EEG Decoding?

यह शोध पत्र डायनेमिक स्टिफ़ल रूटिंग (dynamic Stiefel routing) को प्रस्तुत करता है, जो एक नवीन क्रॉस-डोमेन ईईजी (EEG) डिकोडिंग फ्रेमवर्क है जो स्टिफ़ल मैनिफोल्ड (Stiefel manifold) पर विशेषज्ञ प्रोजेक्शन फिल्टर के एक पूल का उपयोग करता है, जिसमें क्रॉस-अटेंशन-आधारित सैंपल रूटिंग और विशिष्ट संरचनात्मक बाधाएं शामिल हैं ताकि इसे सरल एन्सेम्बल एवरेजिंग में अपभ्रष्ट होने से रोका जा सके, जिससे बिना किसी टारगेट-डोमेन कैलिब्रेशन या डेटासेट-विशिष्ट हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के, कई डेटासेट्स में महत्वपूर्ण संतुलित सटीकता (balanced accuracy) सुधार प्राप्त किया जा सके।

Isabella Costa Maia, Pedro L. C. Rodrigues, Salem Said, Marco Congedo2026-06-01