🤖 machine learning

Convex Basins in Single-Index Model Loss Landscapes: Applications to Robust Recovery under Strong Adversarial Corruption

यह शोध पत्र सामान्य गैर-एकदिष्ट (non-monotonic) लिंक फलनों वाले गॉसियन सिंगल इंडेक्स मॉडल्स के लिए निकट-रैखिक नमूना और समय जटिलता वाला पहला सुदृढ़ रिकवरी एल्गोरिदम प्रस्तुत करता है, जो लॉस लैंडस्केप में नव-खोजित एक स्थिर-त्रिज्या उत्तल बेसिन (constant-radius convex basin) का लाभ उठाकर भारी-पूंछ वाले शोर (heavy-tailed noise) और प्रतिकूल भ्रष्टाचार (adversarial corruption) के तहत प्रमाणिक रूप से अभिसरित होता है।

Santanu Das, Sagnik Chatterjee, Jatin Batra2026-05-29
🤖 machine learning

Quotient DAGs for Off-Policy Evaluation:Forward-Flow Importance Sampling and Exact Slate Propensities

यह शोध पत्र एक कोटिएंट-DAG फ्रेमवर्क और फॉरवर्ड-DP एल्गोरिदम पेश करता है ताकि ऑटोरिग्रेसिव रिकमेंडेशन सिस्टम्स में कुशल ऑफ-पॉलिसी इवैल्यूएशन के लिए न्यूसेंस वेरिएंस को समाप्त किया जा सके और अनऑर्डर्ड स्लेट प्रोपेंसिटीज की सटीक गणना सक्षम की जा सके।

Ziwen Xie, Shaowen Xiang, Hongyu He, Dianbo Liu2026-05-29
🤖 machine learning

DynaGraph: Lightweight Multi-Model Interaction Framework via Dynamic Topological Reconfiguration

DynaGraph एक हल्का मल्टी-मॉडल फ्रेमवर्क है जो स्टैटिक पाइपलाइन्स और अनकन्स्ट्रेंड डायनेमिक एजेंट्स की सीमाओं को पार करते हुए, एक साझा बेस मॉडल पर डायनेमिक टोपोलॉजिकल रीकॉन्फ़िगरेशन और टाइम-डिवीजन PEFT एडेप्टर का उपयोग करके, काफी कम लेटेंसी और टोकन खपत के साथ 72B-स्तर की रीजनिंग क्षमताएं प्राप्त करता है।

Yanxing Guo, Zihao Zheng, Fangzhou Wu, Ling Liang, Lin Bao, Zongwei Wang, Yimao Cai2026-05-29
🤖 machine learning

K-FinHallu: A Hallucination Detection Benchmark for Multi-Turn RAG in Korean Finance

यह शोध पत्र K-FinHallu को प्रस्तुत करता है, जो कोरियाई वित्तीय डोमेन के भीतर मल्टी-टर्न रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम में मतिभ्रम (hallucinations) का पता लगाने के लिए डिज़ाइन किया गया पहला बेंचमार्क है, जो यह प्रकट करता है कि उन्नत लार्ज लैंग्वेज मॉडल भी सूक्ष्म निदान और न्यायसंगत परित्याग (justified abstention) में संघर्ष करते हैं।

Eunbyeol Cho, Yunseung Lee, Mirae Kim, Jeewon Yang, Youngjun Kwak, Edward Choi2026-05-29
🤖 machine learning

AsymVLM: Asymmetric Token Pruning for Efficient Vision-Language Model Inference

AsymVLM एक कुशल विजन-लैंग्वेज मॉडल इन्फरेंस फ्रेमवर्क है जो स्थानिक रूप से अनावश्यक विजन टोकन पर आक्रामक, अनुकूली प्रूनिंग (pruning) और टेक्स्ट टोकन के लिए टेम्पोरल थ्रेशोल्ड-आधारित इविक्शन (eviction) को लागू करके विजुअल और टेक्स्ट मोडैलिटीज के विशिष्ट गुणों का लाभ उठाता है, जिससे दस्तावेज़ और चार्ट समझ के कार्यों पर अत्याधुनिक तरीकों से बेहतर प्रदर्शन करते हुए 54% तक FLOPs की बचत प्राप्त होती है।

Yilin Feng, Ahmed Burak Gulhan, Mahmut Taylan Kandemir2026-05-29
🤖 machine learning

The Complexity of Verifying Feedforward Neural Networks in Quantised Settings

यह शोध पत्र क्वांटाइज्ड सेटिंग्स में फीडफॉरवर्ड न्यूरल नेटवर्क को सत्यापित करने के लिए कम्प्यूटेशनल जटिलता परिदृश्य को स्थापित करता है, यह प्रदर्शित करते हुए कि लीनियर और बिट-वेक्टर दोनों विनिर्देशों के तहत फिक्स्ड अरिथमेटिक प्रिसिजन वाले नेटवर्क के लिए सत्यापन NP-कम्प्लीट रहता है, जबकि बिट-वेक्टर विनिर्देशों के तहत डायनामिकली क्वांटाइज्ड नेटवर्क के लिए नए अपर बाउंड प्रदान करता है।

Eric Alsmann, Martin Lange, Marco Sälzer2026-05-29
🤖 machine learning

Singularity-aware Optimization via Randomized Geometric Probing: Towards Stable Non-smooth Optimization

यह शोधपत्र सिंगुलैरिटी-अवेयर एडम (S-Adam) को प्रस्तुत करता है, जो एक नवीन ऑप्टिमाइज़र है जो रैंडमाइज्ड ज्योमेट्रिक प्रोबिंग से प्राप्त लोकल ज्योमेट्रिक इंस्टेबिलिटी मेट्रिक के आधार पर स्टेप साइज़ को गतिशील रूप से मॉड्यूलेट करके नॉन-स्मूथ डीप लर्निंग ट्रेनिंग को स्थिर करता है, जिससे क्वांटाइजेशन-अवेयर ट्रेनिंग जैसे चुनौतीपूर्ण क्षेत्रों में मौजूदा विधियों की तुलना में बेहतर अभिसरण और सामान्यीकरण प्राप्त होता है।

Ruoran Xu, Borong She, Xiaobo Jin, Qiufeng Wang2026-05-29
🤖 machine learning

Why Larger Models Learn More: Effects of Capacity, Interference, and Rare-Task Retention

यह शोध पत्र यह तर्क देता है कि बड़े मॉडल दुर्लभ और जटिल कार्यों पर छोटे मॉडलों से बेहतर प्रदर्शन इसलिए नहीं करते क्योंकि उनमें उन्हें सीखने की क्षमता की कमी है, बल्कि इसलिए करते हैं क्योंकि उनका बढ़ा हुआ आकार ग्रेडिएंट इंटरफेरेंस (gradient interference) को कम करता है, जिससे वे सामान्य कार्यों को सीखते समय उन्हें ओवरराइट किए बिना दुर्लभ कार्यों के लिए विशेषताओं (features) को बनाए रखने में सक्षम होते हैं।

Jing Huang, Daniel Wurgaft, Rachit Bansal, Laura Ruis, Naomi Saphra, David Alvarez-Melis, Andrew Kyle Lampinen, Christop (…)2026-05-29
📊 statistics

On the Construction and Implications of Low-Loss Valleys in LoRA-based Bayesian Inference

यह शोध पत्र LoRA-Curve प्रस्तुत करता है, जो LoRA-आधारित बेयसियन अनुमान (Bayesian inference) के लिए एक खंडित बेज़ियर वक्र पैरामीट्रिकरण (segmented Bézier curve parameterization) है, जो स्वतंत्र रूप से फाइन-ट्यून किए गए ऑप्टिमा के बीच निरंतर लो-लॉस वैलीज़ (low-loss valleys) को जोड़ता है, जिससे पारंपरिक रैखिक इंटरपोलेशन या डिस्क्रीट एनसेम्बल विधियों की तुलना में बेहतर कार्यात्मक विविधता और एपिस्टेमिक अनिश्चितता अनुमान प्राप्त होता है।

Daniel Dold, Emanuel Sommer, Julius Kobialka, Oliver Dürr, David Rügamer2026-05-29
🧬 biology

FPLIER: Federated Pathway-Level Information Extractor

FPLIER एक फेडेरेटेड लर्निंग फ्रेमवर्क है जो सार्वजनिक डेटा या डाइमेंशनैलिटी रिडक्शन के समावेश के माध्यम से मेंबरशिप इन्फरेंस जोखिमों को कम करते हुए, केंद्रीकृत प्रदर्शन से मेल खाने के लिए अपडेट्स को सुरक्षित रूप से एकत्रित करके कई संस्थानों में पाथवे-स्तरीय जीन एक्सप्रेशन मॉडल्स के गोपनीयता-संरक्षित, वितरित प्रशिक्षण को सक्षम बनाता है।

Daniele Malpetti, Christian Berchtold, Francesco Gualdi, Marco Scutari, Laura Azzimonti, Francesca Mangili2026-05-29