🤖 Category

cs.LG

23233 पेपर

💬 NLP

Dissecting Multimodal In-Context Learning: Modality Asymmetries and Circuit Dynamics in modern Transformers

यह शोधपत्र सिंथेटिक कार्यों पर नियंत्रित प्रयोगों के माध्यम से आधुनिक ट्रांसफॉर्मर में मल्टीमॉडल इन-कॉन्टेक्स्ट लर्निंग (ICL) के तंत्रों की जांच करता है, जिससे यह पता चलता है कि रोटरी पोजीशन एम्बेडिंग्स (Rotary Position Embeddings) ICL के लिए डेटा जटिलता की दहलीज को बढ़ा देते हैं, जबकि एक प्राथमिक मोडैलिटी की उच्च विविधता, परिष्कृत इंडक्शन-शैली के सर्किट्स के माध्यम से, एक माध्यमिक मोडैलिटी में आश्चर्यजनक रूप से कम जटिलता के साथ मल्टीमॉडल ICL को उभरने में सक्षम बनाती है।

Yiran Huang, Karsten Roth, Quentin Bouniot, Wenjia Xu, Zeynep Akata2026-05-27
📊 statistics

ECSEL: Explainable Classification via Signomial Equation Learning

यह शोध पत्र ECSEL को प्रस्तुत करता है, जो एक कुशल और व्याख्या योग्य वर्गीकरण पद्धति है जो प्रतिस्पर्धी सटीकता प्राप्त करने के लिए संक्षिप्त साइनोमियल समीकरणों को सीखती है और साथ ही वैश्विक और स्थानीय स्पष्टीकरण, पूर्वाग्रह का पता लगाने और काउंटरफैक्चुअल तर्क क्षमताओं को भी प्रदान करती है।

Adia Lumadjeng, Ilker Birbil, Erman Acar2026-05-27
🤖 machine learning

Graph is a Substrate Across Data Modalities

यह शोध पत्र G-Substrate का प्रस्ताव करता है, जो एक प्रतिनिधित्व-केंद्रित ढांचा है जो एक एकीकृत संरचनात्मक स्कीमा और इंटरलीव्ड भूमिका-आधारित प्रशिक्षण के माध्यम से विषम मोडैलिटीज और कार्यों में ग्राफ संरचना को एक निरंतर आधार (सबस्ट्रेट) के रूप में मानता है, जिससे यह संरचनात्मक नियमितताओं को संचित करके पारंपरिक पृथक शिक्षण विधियों से बेहतर प्रदर्शन करता है।

Ziming Li, Xiaoming Wu, Zehong Wang, Jiazheng Li, Yijun Tian, Jinhe Bi, Yunpu Ma, Yanfang Ye, Chuxu Zhang2026-05-27
💬 NLP

Probing the Knowledge Boundary: An Interactive Agentic Framework for Deep Knowledge Extraction

यह शोध पत्र एक इंटरैक्टिव एजेंटिक फ्रेमवर्क को प्रस्तावित करता है जिसमें एडेप्टिव एक्सप्लोरेशन पॉलिसीज़ और एक कठोर प्रोसेसिंग पाइपलाइन है ताकि लार्ज लैंग्वेज मॉडल्स की नॉलेज बाउंड्रीज़ को व्यवस्थित रूप से निकाला और मापा जा सके, जो विशिष्ट नॉलेज स्केलिंग लॉज़, स्पेशलाइज्ड और जनरल मॉडल्स के बीच परफॉरमेंस ट्रेड-ऑफ्स, और ट्रेनिंग डेटा कंपोजिशन द्वारा संचालित नॉलेज प्रोफाइल्स के मापने योग्य अंतरों को प्रकट करता है।

Yuheng Yang, Siqi Zhu, Tao Feng, Ge Liu, Jiaxuan You2026-05-27
💬 NLP

GraphDancer: Training LLMs to Explore and Reason over Graphs via Two-Stage Curriculum Post-Training

GraphDancer एक दो-चरणीय पोस्ट-ट्रेनिंग फ्रेमवर्क है जो एक ग्राफ-अवेयर करिकुलम का लाभ उठाता है ताकि छोटे भाषा मॉडलों को प्राकृतिक भाषा और फंक्शन कॉल्स के बीच अंतर-प्रवाह (interleaved) के माध्यम से विषम ग्राफों (heterogeneous graphs) पर प्रभावी ढंग से अन्वेषण और तर्क करने के लिए प्रशिक्षित किया जा सके, जिससे मजबूत क्रॉस-डोमेन सामान्यीकरण प्राप्त होता है जो बड़े बेसलाइन मॉडलों से बेहतर प्रदर्शन करता है।

Yuyang Bai, Zhuofeng Li, Ping Nie, Jianwen Xie, Yu Zhang2026-05-27
🤖 machine learning

Rank-Learner: Orthogonal Ranking of Treatment Effects

यह शोध पत्र Rank-Learner को प्रस्तुत करता है, जो एक नवीन, मॉडल-अज्ञेय (model-agnostic), और नेयमैन-ऑर्थोगोनल (Neyman-orthogonal) दो-चरणीय ढांचा है, जो एक युग्मवार उद्देश्य (pairwise objective) को अनुकूलित करके अवलोकनात्मक डेटा से उपचार प्रभावों की रैंकिंग को सीधे सीखता है, जिससे यह सटीक कारण प्रभाव अनुमान (causal effect estimation) पर निर्भर पारंपरिक विधियों से बेहतर प्रदर्शन करता है।

Henri Arno, Dennis Frauen, Emil Javurek, Thomas Demeester, Stefan Feuerriegel2026-05-27
🤖 machine learning

Optimal Rates for Feasible Payoff Set Estimation in Games

यह शोधपत्र ज़ीरो-सम और जनरल-सम सेटिंग्स में सटीक और अनुमानित नैश इक्विलिब्रियम प्ले के तहत केवल देखे गए खिलाड़ी के कार्यों के आधार पर, द्वि-मैट्रिक्स (bimatrix) खेलों में व्यवहार्य पे-ऑफ फलनों (payoff functions) के अनुमान के लिए पहले मिनिमैक्स-ऑप्टिमल लर्निंग रेट्स स्थापित करता है।

Annalisa Barbara, Riccardo Poiani, Martino Bernasconi, Andrea Celli2026-05-27
🤖 machine learning

Stochastic Decision Horizons for Constrained Reinforcement Learning

यह शोध पत्र स्टोकेस्टिक डिसीजन होराइजन्स (SDH) को प्रस्तुत करता है, जो एक सैद्धांतिक रूप से आधारित ढांचा है जो उल्लंघनों को प्रभावी क्षितिज लघुकरण (horizon shortenings) के रूप में मॉडल करके कंस्ट्रेंड रिइन्फोर्समेंट लर्निंग में प्रत्येक-चरण बाधा संतुष्टि सुनिश्चित करता है, जिससे VT-MPO जैसे नवीन ऑफ-पॉलिसी एल्गोरिदम प्राप्त होते हैं जो अत्याधुनिक विधियों की तुलना में बेहतर रिवॉर्ड-उल्लंघन ट्रेड-ऑफ और प्रशिक्षण स्थिरता प्राप्त करते हैं।

Nikola Milosevic, Leonard Franz, Daniel Haeufle, Georg Martius, Nico Scherf, Pavel Kolev2026-05-27
🤖 machine learning

Emergent Causal-Geometric Dynamics Across Depth in Large Language Models

यह शोध पत्र ज्यामितीय और कारण संबंधी दृष्टिकोणों का संश्लेषण करता है ताकि डिकोडर-ओनली (decoder-only) एलएलएम (LLM) में एक गहराई-निर्भर गतिशीलता को प्रकट किया जा सके जहाँ संदर्भ प्रसंस्करण (context processing) से भविष्यवाणी निर्माण (prediction formation) की ओर एक तीव्र संक्रमण एक क्रमिक ज्यामितीय पुनर्गठन द्वारा साथ आता है, जो यह प्रदर्शित करता है कि अंतिम परतों में कोणीय संरचना (angular structure) भविष्य कहने वाली समानता (predictive similarity) को कूटबद्ध करती है जबकि नॉर्म्स (norms) विच्छेदित (decoupled) रहते हैं, जिससे यह स्थापित होता है कि प्रभावी हस्तक्षेप के लिए नेटवर्क की उभरती हुई वैश्विक गतिशील संरचना को समझना आवश्यक है न कि केवल अलग-थलग परतों को।

Shahar Haim, Daniel C McNamee2026-05-27
🤖 machine learning

Step-Size Stability in Stochastic Optimization: A Theoretical Perspective

यह शोध पत्र एक सैद्धांतिक विश्लेषण प्रस्तुत करता है जो एक प्रमुख मात्रा की पहचान करता है जो स्टोकेस्टिक ऑप्टिमाइज़ेशन में स्टेप-साइज़ संवेदनशीलता को मापता है, यह प्रदर्शित करते हुए कि SPS और NGN जैसे एडेप्टिव तरीके SGD की तुलना में अधिक सुदृढ़ हैं और एक ऐसा बाउंड प्रदान करते हैं जो नॉन-कॉन्वेक्स सेटिंग्स में भी प्रदर्शन गिरावट की सटीक भविष्यवाणी करता है।

Fabian Schaipp, Robert M. Gower, Adrien Taylor2026-05-27