cs.AI पेपर | Gist.Science

Augment Engineering: A Methodology for Multi-Tool AI Orchestration Across Professional Domains

यह शोध पत्र "ऑगमेंट इंजीनियरिंग" (Augment Engineering) को एक कार्यप्रणाली के रूप में प्रस्तुत करता है, जो प्रॉम्प्ट और कॉन्टेक्स्ट इंजीनियरिंग के पोर्टेबल मेटा-कौशल का लाभ उठाकर विविध व्यावसायिक क्षेत्रों में कई विशिष्ट उद्देश्य-निर्मित एआई (AI) उपकरणों को व्यवस्थित करने के लिए है, जिसे एक छह-चरणीय ढांचे और एक एकल-अभ्यासकर्ता केस स्टडी से प्राप्त प्रारंभिक अनुभवजन्य साक्ष्य द्वारा समर्थित किया गया है जो बढ़ी हुई दक्षता और गुणवत्ता को प्रदर्शित करता है।

Elias Calboreanu2026-05-27

🤖 machine learning

TSFMAudit: Data Contamination Auditing in Forecasting Time Series Foundation Models

यह शोधपत्र TSFMAudit प्रस्तुत करता है, जो टाइम सीरीज़ फाउंडेशन मॉडल्स में प्रीट्रेनिंग डेटा कंटैमिनेशन (प्रशिक्षण डेटा संदूषण) का पता लगाने के लिए डिज़ाइन किया गया पहला तरीका है, जो इस अंतर्ज्ञान का लाभ उठाता है कि कंटैमिनेटेड डेटासेट फाइन-ट्यूनिंग के दौरान असामान्य रूप से कुशल अनुकूलन गतिकी (एडैप्टेशन डायनेमिक्स) प्रदर्शित करते हैं।

Hongkai Li, Shifeng Xie, Lefei Shen, Zhuo Li, Mouxiang Chen, Xiaobin Zhang, Han Fu, Jianling Sun, Xiaoxue Ren, Chenghao (…)2026-05-27

🤖 machine learning

On the Push-Based Asynchronous Federated Learning: A Bias-Correction Aggregation Approach

यह शोध पत्र PushCen-ADFL का प्रस्ताव करता है, जो एक संचार-कुशल एसिंक्रोनस फेडरेटेड लर्निंग फ्रेमवर्क है जो सेंट्रॉइड-आधारित संदेश विनिमय, बायस सुधार के लिए पुश-सम मिक्सिंग और मॉडल ड्रिफ्ट को कम करने तथा विषम, विकेंद्रीकृत प्रणालियों में संचार लागत को कम करते हुए सटीकता में उल्लेखनीय सुधार करने के लिए सेंट्रॉइड रेगुलराइजेशन का उपयोग करता है।

Jiahui Bai, Hai Dong, A. K. Qin2026-05-27

💻 computer science

Tool-Schema Compression Enables Agentic RAG Under Constrained Context Budgets

यह शोध पत्र यह प्रदर्शित करता है कि टूल-स्कीमा संपीड़न (tool-schema compression) एजेंटिक RAG सिस्टम के लिए एक महत्वपूर्ण बुनियादी ढांचा है, जो टूल परिभाषाओं को कॉन्टेक्स्ट विंडो से बाहर होने से रोककर और अनकंप्रेस्ड स्कीमा की तुलना में सटीक-मैच स्कोर में महत्वपूर्ण सुधार करके, सीमित कॉन्टेक्स्ट बजट के तहत कार्यात्मक प्रदर्शन को सक्षम बनाता है।

Furkan Sakizli2026-05-27

💻 computer science

A Universal Cliff and a Design Fingerprint: Cross-Section Defect Detection Under LLM Orchestration

यह शोध पत्र प्रकट करता है कि कई एजेंटों के माध्यम से भाषा मॉडलों को व्यवस्थित करने से एक सार्वभौमिक "डिटेक्शन क्लिफ" (पहचान की ढलान) उत्पन्न होती है जहाँ मॉडल के पैमाने या संरेखण की परवाह किए बिना क्रॉस-सेक्शन दस्तावेज़ दोषों को पहचानने की क्षमता दो-तिहाई से अधिक गिर जाती है, और साथ ही रिपोर्टिंग मानदंडों में एक विशिष्ट डेवलपर-निर्भर बदलाव और इन संरचनात्मक विफलताओं का पता लगाने में स्वचालित न्यायाधीशों की अविश्वसनीयता को भी उजागर करता है।

Hiroki Fukui2026-05-27

🤖 machine learning

InfoQuant: Shaping Activation Distributions for Low-Bit LLM Quantization

InfoQuant एक ट्रेनिंग-फ्री पोस्ट-ट्रेनिंग क्वांटाइजेशन विधि है जो पीक सप्रेशन ऑर्थोगोनल ट्रांसफॉर्मेशन (PSOT) और एडेप्टिव आउटलायर-टोकन सिलेक्शन का उपयोग करती है ताकि एक्टिवेशन डिस्ट्रीब्यूशन को एक कॉम्पैक्ट और सुव्यवस्थित रूप में पुनर्गठित किया जा सके, जिससे क्वांटाइजेशन एरर काफी कम हो जाता है और यह मौजूदा लो-बिट LLM डिप्लॉयमेंट बेसलाइन्स से बेहतर प्रदर्शन करता है।

Ke Li, Dong An, Xiaoling Zang, Can Ye, Liang Xie, Qibo Qiu, Chen Shen, Xiaofei He, Wenxiao Wang2026-05-27

💻 computer science

PitchBench: Measuring Pitch Hearing in Audio-Language Models

यह शोध पत्र PitchBench प्रस्तुत करता है, जो 28 प्रयोगों वाला एक व्यापक मूल्यांकन सूट है जो यह प्रकट करता है कि वर्तमान ऑडियो-लैंग्वेज मॉडल विभिन्न ध्वनिक स्थितियों, वाद्ययंत्रों और रिस्पॉन्स फॉर्मेट के बीच विश्वसनीय और स्थिर पिच धारणा की कमी रखते हैं।

Milan Liessens Dujardin, Song-Ze Yu, Craver Corbyn Thomas-Smith, David M. Chan, Karina Nguyen2026-05-27

🔬 materials science

AutoDFT: A Closed-Loop Multi-Agent Framework for Autonomous DFT Calculations

AutoDFT एक क्लोज्ड-लूप मल्टी-एजेंट फ्रेमवर्क है जो पूरे DFT जीवनचक्र में नियोजन, पैरामीटर जनरेशन और त्रुटि सुधार को स्वचालित करने के लिए LLM रीजनिंग को एकीकृत करता है, जिससे विविध बेंचमार्क पर उच्च सफलता दर प्राप्त होती है और गैर-विशेषज्ञों को विश्वसनीय प्रथम-सिद्धांत सामग्री भविष्यवाणियां प्राप्त करने में सक्षम बनाया जाता है।

Penghui Yang, Zhonghan Zhang, Yue Li, Xinrun Wag, Yanchen Deng, Yuhao Lu, Bijun Tang, Zheng Liu, Bo An2026-05-27

🤖 machine learning

GAC: Noise-Aware Adaptive Mixing for Hybrid SFT-RL Post-Training

यह शोधपत्र GAC का प्रस्ताव करता है, जो एक शोर-जागरूक अनुकूलन मिश्रण नियंत्रक (noise-aware adaptive mixing controller) है, जो ग्रेडिएंट विचरण (gradient variance) और सिग्नल असहमति (signal disagreement) के वास्तविक समय के अनुमानों के आधार पर सुपरवाइज्ड फाइन-ट्यूनिंग और सुदृढीकरण शिक्षण (reinforcement learning) के बीच संतुलन को गतिशील रूप से समायोजित करता है, जिससे न्यूनतम ओवरहेड के साथ विभिन्न डोमेन में हाइब्रिड पोस्ट-ट्रेनिंग प्रदर्शन में सुधार होता है।

Yuelin Hu, Zhenbo Yu, Zhengxue Cheng, Wei Liu, Li Song2026-05-27

🤖 machine learning

Max-Window Scale Estimation for Near-Lossless HiF8 W8A8 Quantization-Aware Training

यह शोध पत्र एक मैक्स-विंडो स्केल एस्टीमेशन रणनीति और एक BF16 वॉर्मअप शेड्यूल को पेश करके HiF8 W8A8 क्वांटाइजेशन-अवेयर ट्रेनिंग में दो विशिष्ट विफलता मोड—amax सैचुरेशन और कैटास्ट्रोफिक फॉरगेटिंग—की पहचान और समाधान करता है, जिससे OpenPangu-Embedded-1B मॉडल पर लगभग लॉसलेस प्रदर्शन प्राप्त होता है।

Yingying Cheng, Jinquan Shi, Li Zhou, Zhiyang He, Zhaoyi Sun, Fan Zhang, Jie Sun2026-05-27

← पिछला अगला →