ज्यामितीय रूप से प्रेरित सॉफ्ट स्टेट रिप्रेज़ेंटेशन की भविष्यवाणी सीमाएँ और कूपमैन क्लोज़र
यह कार्य, स्पेक्ट्रल नॉर्म की एक निश्चित सीमा के तहत, मृदु निर्देशांकों के न्यूनतम MSE वाले रैखिक पूर्वानुमान के लिए गणना योग्य विश्वास-सीमा प्रस्तुत करता है। यह प्रमाणपत्र प्राप्त करने योग्य कूपमैन क्लोज़र को अप्राप्य क्लोज़र से अलग करने में मदद करता है और दिखाता है कि समान मृदु निरूपण एक गतिकी के अनुरूप हो सकते हैं, लेकिन दूसरी के नहीं।
जब सॉफ्ट एब्स्ट्रैक्शन रैखिक डायनेमिक्स की अनुमति देता है
«Prediction Limits and Koopman Closure of Geometry-Induced Soft State Abstractions» नामक शोध arXiv पर 2609.32652 नंबर के अंतर्गत प्रकाशित हुआ। इसके लेखक Mohit Kumar और Somayeh Kargaran हैं; इसे 26 सितंबर 2026 को प्रस्तुत किया गया था। यह शोध इस प्रश्न का उत्तर देता है: ज्यामिति से प्रेरित सॉफ्ट स्टेट एब्स्ट्रैक्शन कब सटीक, परिमित-आयामी रैखिक डायनेमिक्स की अनुमति देते हैं?
इस शोध में निरूपण की संरचना इस प्रकार है:
- प्रत्येक अवस्था को सिंप्लेक्स में मान रखने वाले निर्देशांक परिभाषित करते हैं;
- निर्देशांक class-specific Kernel Affine Hull Machine (KAHM) के पुनर्निर्माण अनुमानों से प्राप्त होते हैं;
- एक मैट्रिक्स वर्तमान अवस्था के निर्देशांकों को अगली अवस्था के निर्देशांकों में बदलता है।
सॉफ्ट निर्देशांक वर्गों पर एक वितरण होते हैं, न कि कोई निश्चित असाइनमेंट। सॉफ्ट निर्देशांकों का one-hot लेबल से विचलन एक अलग कारक बन जाता है, जो पूर्वानुमान को प्रभावित करता है।
व्यावहारिक कसौटी: सटीक क्लोज़र «निरूपण और डायनेमिक्स मैप» के युग्म का गुण है, केवल निरूपण का नहीं। इसे किसी विशिष्ट डायनेमिक्स पर जाँचना चाहिए, न कि एब्स्ट्रैक्शन पर समग्र रूप से।
पूर्वानुमान त्रुटि की निचली सीमा
मुख्य परिणाम न्यूनतम माध्य वर्ग पूर्वानुमान त्रुटि के लिए एक गणना योग्य निचली विश्वसनीय सीमा है। यह सीमा उन सभी मैट्रिक्स पर लागू होती है जो स्पेक्ट्रल नॉर्म पर दी गई पाबंदी को पूरा करते हैं।
यह सीमा त्रुटि के दो स्रोतों को ध्यान में रखती है:
- अनुवर्ती अवस्थाओं के निर्देशांकों में वर्ग के भीतर की भिन्नता;
- सॉफ्ट निर्देशांकों का संबंधित one-hot लेबल से विचलन।
गणना स्वतंत्र «अवस्था—अनुवर्ती अवस्था» युग्मों पर आधारित है। इसके लिए पूर्वानुमान मैट्रिक्स चुनने की आवश्यकता नहीं होती। सीमा को प्रेडिक्टर को प्रशिक्षित करने से पहले प्राप्त किया जा सकता है और हासिल की जा सकने वाली सटीकता के मानदंड के रूप में इस्तेमाल किया जा सकता है।
व्यावहारिक कसौटी: मॉडल चुनने से पहले लक्ष्य त्रुटि की तुलना सीमा से करें। यदि लक्ष्य सीमा से कम है, तो स्पेक्ट्रल नॉर्म पर दी गई पाबंदी वाला कोई भी मैट्रिक्स उसे हासिल नहीं कर पाएगा।
प्रमाणपत्र: अभिसरण और अप्राप्य सहन-सीमा
निर्देशांक और अनुमान वितरण निश्चित होने पर, नमूने का आकार बढ़ने के साथ प्रमाणपत्र लगभग निश्चित रूप से जनसंख्या की निचली सीमा तक अभिसरित होता है। इस सीमा से नीचे की कोई भी सहन-सीमा अंततः अप्राप्य प्रमाणित होगी।
पुनर्निर्माण अनुमानों के मार्जिन सॉफ्ट असाइनमेंट से कठोर असाइनमेंट में संक्रमण की त्रुटि को भी सीमित करते हैं। यानी, कमजोर पुनर्निर्माण केवल निर्देशांकों में ही बाधा नहीं डालता, बल्कि बाद में असतत वर्ग में रूपांतरण को भी प्रभावित करता है।
व्यावहारिक कसौटी: यदि लक्ष्य सहन-सीमा निचली सीमा से कम है, तो नमूने का आकार बढ़ाने से मदद नहीं मिलेगी। निरूपण या स्पेक्ट्रल नॉर्म पर पाबंदी बदलनी होगी।
कूपमैन क्लोज़र और आइगेनफ़ंक्शन
नियतात्मक डायनेमिक्स और सटीक निर्देशांक क्लोज़र के तहत, क्लोज़र मैट्रिक्स के आइगेनवेक्टर कूपमैन ऑपरेटर के आइगेनफ़ंक्शन निर्धारित करते हैं। इसके रिड्यूस्ड ट्रांसपोज़्ड मैट्रिक्स के आइगेनवेक्टर कूपमैन के एडजॉइंट ऑपरेटर के आइगेनफ़ंक्शन निर्धारित करते हैं।
स्पेक्ट्रल चित्र केवल वहीं दिखाई देता है जहाँ क्लोज़र सटीक हो। इस स्थिति में क्लोज़र मैट्रिक्स डायनेमिक्स की स्पेक्ट्रल विशेषताओं तक सीधी पहुँच देता है।
व्यावहारिक कसौटी: क्लोज़र मैट्रिक्स से स्पेक्ट्रल निष्कर्ष तभी निकालें जब किसी विशिष्ट डायनेमिक्स पर क्लोज़र की सटीकता जाँच ली गई हो। अन्यथा, स्पेक्ट्रम स्वयं सिस्टम को नहीं, बल्कि फिट किए गए मॉडल को दर्शाता है।
समान निर्देशांक — डायनेमिक्स के अलग-अलग मैप
KAHM का चार-अवस्थाओं वाला उदाहरण दिखाता है कि समान सॉफ्ट निर्देशांक एक डायनेमिक्स मैप के लिए सटीक क्लोज़र दे सकते हैं। दूसरे मैप के लिए, वही निर्देशांक पूर्वानुमान त्रुटि को सकारात्मक होने के लिए बाध्य करते हैं।
इससे तीन निष्कर्ष निकलते हैं:
- क्लोज़र «निर्देशांक और डायनेमिक्स मैप» के युग्म से संबंधित है;
- एक डायनेमिक्स से प्राप्त परिणाम को दूसरे पर लागू नहीं किया जा सकता;
- प्रत्येक कार्य के लिए अलग से जाँच आवश्यक है।
व्यावहारिक कसौटी: प्रत्येक डायनेमिक्स मैप के लिए एब्स्ट्रैक्शन का अलग-अलग मूल्यांकन करें। केवल निर्देशांकों का मेल सटीक क्लोज़र की पुष्टि नहीं करता।
बेंचमार्क क्या दिखाते हैं और क्या नहीं गिनते
प्रयोगों में Duffing, Van der Pol, CartPole, MountainCar और Acrobot शामिल हैं। सॉफ्ट निर्देशांकों के प्रत्यक्ष पूर्वानुमान की तुलना state-space DMD/EDMD आधारभूत विधियों से की जाती है। पूर्वानुमान मेट्रिक्स, निरूपण की भिन्नता और स्पेक्ट्रल डायग्नॉस्टिक्स प्रस्तुत किए गए हैं।
| किसकी तुलना की जाती है | सॉफ्ट निर्देशांकों का प्रत्यक्ष पूर्वानुमान | State-space DMD/EDMD |
|---|---|---|
| पूर्वानुमान मेट्रिक्स | प्रस्तुत किए गए हैं | प्रस्तुत किए गए हैं |
| निरूपण की भिन्नता | प्रस्तुत की गई है | प्रस्तुत की गई है |
| स्पेक्ट्रल डायग्नॉस्टिक्स | प्रस्तुत किए गए हैं | प्रस्तुत किए गए हैं |
| अपवर्जन का संख्यात्मक प्रमाणपत्र | गणना नहीं की गई | गणना नहीं की गई |
बेंचमार्क फिट किए गए मॉडलों का मूल्यांकन करते हैं। इनमें अपवर्जन के प्रमाणपत्र की संख्यात्मक गणना नहीं की जाती, इसलिए प्रयोगात्मक भाग हासिल की जा सकने वाली सीमा का विकल्प नहीं है।
व्यावहारिक कसौटी: बेंचमार्क विशिष्ट फिट किए गए मॉडलों का व्यवहार दिखाता है, जबकि प्रमाणपत्र मैट्रिक्स के पूरे वर्ग के लिए सीमा निर्धारित करता है। लागू होने का निर्णय लेने के लिए इन दोनों साधनों की गणना अलग-अलग करनी चाहिए।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
प्रायिकता सिम्प्लेक्स की ओर संक्रमण कंट्रास्टिव मल्टीमॉडल मॉडलों में मोडैलिटी गैप को कम करता है
arXiv:2610.32890 में गोलाकार एम्बेडिंग्स की जगह प्रायिकता सिम्प्लेक्स का उपयोग करने का प्रस्ताव है, जिसमें हल्के softmax अडैप्टर और Total Variation समानता जोड़ी गई है। खोज के पाँच बेंचमार्क पर, खोज की गुणवत्ता बनाए रखते हुए या बढ़ाते हुए, मोडैलिटी के बीच सेंट्रॉइड ℓ2 दूरी 97–99% तक घट जाती है।
3 नवम्बर 2026
LLM एजेंटों के मेमोरी ग्राफ़ में प्रसार के दौरान ActionRAG साक्ष्यों की पुनर्समीक्षा कैसे करता है
एक ग्राफ़ मेमोरी आर्किटेक्चर प्रस्तावित किया गया है, जो इंडेक्सिंग के दौरान इकाइयों का सावधानीपूर्वक मिलान करता है और क्वेरी मिलने पर स्थानीय संरचना के आधार पर संबंधों का फिर से आकलन करता है। MemoryAgentBench पर इस विधि ने 55.1 की औसत सटीकता हासिल की और सबसे मज़बूत रिट्रीवल बेसलाइन से 5.4 प्रतिशत अंक बेहतर प्रदर्शन किया।
3 नवम्बर 2026
पंद्रह कंपनियों ने माइनिंग के स्वचालन के लिए MDK Tether का समर्थन किया
उपकरण निर्माताओं, पूलों और ऑपरेटरों ने उपकरणों की निगरानी और प्रबंधन को एकीकृत करने के लिए Tether के ओपन स्टैक के साथ इंटीग्रेशन विकसित करने की जिम्मेदारी ली है; AI एजेंट QVAC पहले से ही इसी आधार पर काम कर रहा है। बिजली की लागत में कमी या दक्षता में वृद्धि की स्वतंत्र पुष्टि अभी तक प्रकाशित नहीं हुई है।
2 नवम्बर 2026