🤖 Category

cs.LG

23164 पेपर

🤖 machine learning

When, why, and how do diffusion posterior samplers fail? A finite-sample lens

यह शोध पत्र एक परिमित-नमूना (finite-sample) परिप्रेक्ष्य प्रस्तुत करता है जिससे यह निदान किया जा सके कि डिफ्यूजन पोस्टीरियर सैंपलर में लाइक्लीहुड के गलत अनुमान कैसे त्रुटिपूर्ण पोस्टीरियर वितरणों—जैसे कि मतिभ्रम (hallucinations) और मोड मिसवेटिंग (mode misweighting)—का कारण बनते हैं, यहाँ तक कि सरल सेटिंग्स में भी, यह प्रकट करते हुए कि ये विधियाँ अक्सर मध्यवर्ती टाइमस्टेप्स पर पोस्टीरियर प्रसार का गलत अनुमान लगाती हैं।

Benjamin A. Burns, Sara Fridovich-Keil2026-05-29
🤖 machine learning

Fairness-Aware Federated Learning with Trajectory Shapley Value

यह शोध पत्र FedTSV का प्रस्ताव करता है, जो एक निष्पक्षता-जागरूक (fairness-aware) फेडरेटेड लर्निंग फ्रेमवर्क है जो वैश्विक मॉडल के अनुकूलन प्रक्षेपवक्र (optimization trajectory) पर क्लाइंट के अस्थायी प्रभाव के आधार पर उनके योगदान को गतिशील रूप से भारित करने के लिए ट्रैजेक्टरी शापली वैल्यू (Trajectory Shapley Value) का उपयोग करता है, जिससे विषम और प्रतिकूल परिवेशों में अभिसरण गति (convergence speed), मजबूती और समता में वृद्धि होती है।

Daniel Kuznetsov, Ziqi Wang2026-05-29
🤖 AI

SchGen: PCB Schematic Generation with Semantic-Grounded Code Representations

यह शोध पत्र SchGen को प्रस्तुत करता है, जो प्राकृतिक भाषा के अनुरोधों से संपादन योग्य (editable) PCB स्कीमैटिक्स उत्पन्न करने में सक्षम पहला लार्ज लैंग्वेज मॉडल है, जो पारंपरिक ज्यामिति-प्रधान (geometry-heavy) स्कीमैटिक प्रारूपों की सीमाओं को दूर करने के लिए एक नवीन अर्थपूर्ण रूप से आधारित (semantically grounded) कोड प्रतिनिधित्व और एक बड़े पैमाने के डेटासेट का उपयोग करके उच्च सटीकता प्राप्त करता है।

Qinpei Luo, Ruichun Ma, Xinyu Zhang, Lili Qiu2026-05-29
🤖 machine learning

LLMSurgeon: Diagnosing Data Mixture of Large Language Models

यह शोध पत्र LLMSurgeon को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो व्यवस्थित डोमेन भ्रम (systematic domain confusion) को ठीक करने के लिए एक प्रतिबंधित व्युत्क्रम समस्या (constrained inverse problem) को हल करके लार्ज लैंग्वेज मॉडल्स के प्रीट्रेनिंग डेटा मिश्रण का अनुमान लगाता है, जिससे मॉडल के प्रशिक्षण डेटा तक पहुँच प्राप्त किए बिना उसके "डिजिटल डीएनए" के पोस्ट-हॉक ऑडिटिंग को सक्षम बनाया जा सके।

Yaxin Luo, Jiacheng Cui, Xiaohan Zhao, Xinyi Shang, Jiacheng Liu, Xinyue Bi, Zhaoyi Li, Zhiqiang Shen2026-05-29
🤖 machine learning

DynaFLIP: Rethinking Robotics Perception via Tri-Modal-Dynamics Guided Representation

DynaFLIP एक त्रि-मोडल डायनेमिक्स-गाइडेड प्री-ट्रेनिंग फ्रेमवर्क है जो एक नवीन सिम्प्लेक्स-वॉल्यूम मिनिमाइजेशन ऑब्जेक्टिव के माध्यम से विजुअल रिप्रेजेंटेशन्स में एक्शन-रेलेवेंट मोशन को एनकोड करके रोबोटिक मैनिपुलेशन को बढ़ाता है, जिसके परिणामस्वरूप विविध डाउनस्ट्रीम पॉलिसियों और आउट-ऑफ-डिस्ट्रीब्यूशन परिदृश्यों में बेहतर सामान्यीकरण प्राप्त होता है।

Jusuk Lee, Seungjae Lee, Jonghun Shin, Hoseong Jung, Sungha Kim, Daesol Cho, H. Jin Kim, Jia-Bin Huang, Furong Huang2026-05-29
📊 statistics

Surrogate modeling for Bayesian optimization beyond a single Gaussian process

यह शोध पत्र EGP-TS का प्रस्ताव करता है, जो एक स्केलेबल बेयसियन ऑप्टिमाइज़ेशन फ्रेमवर्क है जो पूर्व-चयनित कर्नेल के बिना जटिल फलनों को अनुकूल रूप से मॉडल करने के लिए रैंडम फीचर एप्रोक्सिमेशन के साथ गॉसियन प्रोसेस के एक एन्सेम्बल और थॉम्पसन सैंपलिंग का उपयोग करता है, जबकि अनुक्रमिक और समानांतर दोनों सेटिंग्स के लिए सैद्धांतिक अभिसरण गारंटी प्रदान करता है।

Qin Lu, Konstantinos D. Polyzos, Bingcong Li, Georgios B. Giannakis2026-05-28
📊 statistics

Structure of Classifier Boundaries: Case Study for a Naive Bayes Classifier

यह शोध पत्र ग्राफ-आधारित इनपुट स्पेस पर डीएनए रीड असाइनमेंट (DNA read assignment) पर लागू नैव बेयस क्लासिफायर (Naive Bayes classifiers) के लिए निर्णय सीमाओं (decision boundaries) की जटिल और विस्तृत संरचना का विश्लेषण करता है, जिसमें संभाव्य (probabilistic) और गैर-संभाव्य (non-probabilistic) दोनों क्लासिफायर के लिए अनिश्चितता को मापने के लिए एक नवीन "नेबर सिमिलैरिटी" (Neighbor Similarity) मीट्रिक पेश किया गया है।

Alan F. Karr, Zac Bowen, Adam A. Porter, Regina Ruane2026-05-28
⚡ electrical engineering

DSSE: a drone swarm search environment

DSSE एक PettingZoo-आधारित ड्रोन स्वार्म सर्च एनवायरनमेंट है जिसे उन मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग एल्गोरिदम के अध्ययन को सुगम बनाने के लिए डिज़ाइन किया गया है जो प्रत्यक्ष दूरी-आधारित रिवार्ड्स के बिना लक्ष्य स्थानीयकरण के लिए डायनेमिक प्रोबेबिलिटी मैप्स का उपयोग करते हैं।

Manuel Castanares, Luis F. S. Carrete, Enrico F. Damiani, Leonardo D. M. de Abreu, José Fernando B. Brancalion, Fabrício (…)2026-05-28
🤖 machine learning

Adversarial Fine-tuning of Compressed Neural Networks for Joint Improvement of Robustness and Efficiency

यह शोध पत्र प्रदर्शित करता है कि संकुचित न्यूरल नेटवर्क का एडवरसेरियल फाइन-ट्यूनिंग (adversarial fine-tuning), मजबूती और दक्षता के बीच के संघर्ष को प्रभावी ढंग से हल करता है, जिससे मॉडल संपीड़न के कम्प्यूटेशनल लाभों को बनाए रखते हुए पूर्ण रूप से एडवरसेरियली प्रशिक्षित मॉडलों के तुलनीय एडवरसेरियल मजबूती प्राप्त होती है।

Hallgrimur Thorsteinsson, Valdemar J Henriksen, Daniel I R Cruz, Raghavendra Selvan, Tong Chen2026-05-28
🤖 machine learning

Unifying Low Dimensional Spectra in Deep Learning

यह शोध पत्र अनियंत्रित फीचर मॉडल्स के भीतर डीप न्यूरल कोलैप्स (DNC) को प्रदर्शित करके विभिन्न डीप लर्निंग मैट्रिसेस के निम्न-आयामी आइजनस्पेक्ट्रा (eigenspectra) के लिए एक एकीकृत विश्लेषणात्मक स्पष्टीकरण प्रदान करता है, जिससे लीनियर और ReLU नेटवर्क्स के लिए आइजनवैल्यूज (eigenvalues) और आइजनवेक्टर्स (eigenvectors) दोनों का लक्षण वर्णन किया गया है।

Connall Garrod, Jonathan P. Keating2026-05-28