🤖 Category

cs.AI

23845 पेपर

🤖 machine learning

Dense2MoE: Pushing the Pareto Frontier of On-Device LLMs via Unified Pruning and Upcycling

यह शोध पत्र Dense2MoE का प्रस्ताव करता है, जो एक नवीन ढांचा है जो डेंस (dense) LLMs को ऑन-डिवाइस-रेडी मिक्सचर ऑफ एक्सपर्ट्स (Mixture of Experts) मॉडल्स में कुशलतापूर्वक परिवर्तित करने के लिए लेयर प्रूनिंग (layer pruning) और अपसाइक्लिंग (upcycling) को एकीकृत करता है, जिससे स्क्रैच से प्रशिक्षण की अत्यधिक लागतों से बचते हुए सटीकता-विलंबता (accuracy-latency) पारेटो फ्रंटियर में महत्वपूर्ण सुधार होता है।

Fengfa Li, Hongjin Ji, Yifeng Ding, Lei Ren, Chen Wei2026-05-27
🤖 AI

CmIVTP: Cross-modal Interaction-based Vessel Trajectory Prediction for Maritime Intelligence

यह शोध पत्र CmIVTP का प्रस्ताव करता है, जो एक क्रॉस-मोडल इंटरेक्शन फ्रेमवर्क है जो जहाज के प्रक्षेपवक्र (ट्रैजेक्टरी) भविष्यवाणी की सटीकता को बढ़ाने के लिए एक टारगेट-अवेयर सीन एनकोडर और क्रॉस-मोडल ट्रांसफार्मर के माध्यम से स्पार्स AIS डेटा को CCTV पर्यावरणीय विशेषताओं के साथ जोड़ता है, जिसे एक नए बड़े पैमाने के सिंक्रोनाइज़्ड डेटासेट (Maritime-MmD+^+) और एक स्केलेबल प्रक्षेपवक्र जनरेशन पद्धति द्वारा समर्थित किया गया है।

Yuxu Lu, Dong Yang, Xiaoyu Li, Mengwei Bao, Congcong Zhao2026-05-27
🤖 AI

Which Changes Matter? Towards Trustworthy Legal AI via Relevance-Sensitive Evaluation and Solver-Grounded Reasoning

यह शोधपत्र एक प्रासंगिकता-संवेदनशील मूल्यांकन सूट (relevance-sensitive evaluation suite) पेश करके कानूनी रूप से प्रासंगिक और अप्रासंगिक परिवर्तनों के बीच अंतर करने की कानूनी एआई (legal AI) की महत्वपूर्ण आवश्यकता को संबोधित करता है जो मौजूदा मॉडलों की विफलताओं को उजागर करता है, और लेक्सगार्ड (LexGuard) का प्रस्ताव करता है, जो एक सॉल्वर-ग्राउंडेड एडवरसेरियल फ्रेमवर्क (solver-grounded adversarial framework) है जो औपचारिक बाधा सत्यापन (formal constraint verification) के माध्यम से तर्क की विश्वसनीयता और भरोसेमंदता को बढ़ाता है।

Chen Linze, Cai Yufan, Hou Zhe, Dong Jin Song2026-05-27
🤖 machine learning

Recursive Flow Matching

यह शोध पत्र रिकर्सिव फ्लो मैचिंग (RecFM) को प्रस्तुत करता है, जो एक नवीन जनरेटिव फ्रेमवर्क है जो जटिल स्पैटियोटेम्पोरल डायनेमिक्स के उच्च-सटीक, रियल-टाइम पूर्वानुमान प्राप्त करने के लिए विवेकीकरण पैमानों (discretization scales) के बीच स्व-संगति (self-consistency) लागू करता है, जिससे डिफ्यूजन-आधारित एमुलेटर्स की तुलना में 20x तक की गति वृद्धि के साथ पूर्वानुमान त्रुटियों को काफी कम किया जा सकता है।

Jiahe Huang, Sihan Xu, Sharvaree Vadgama, Rose Yu2026-05-27
🔬 physics

DGLD: Domain-Gated Latent Diffusion for the Discovery of Novel Energetic Materials

यह शोध पत्र डोमेन-गेटेड लेटेंट डिफ्यूजन (DGLD) को प्रस्तुत करता है, जो एक नवीन जनरेटिव फ्रेमवर्क है जिसने सफलतापूर्वक दो संरचनात्मक रूप से अद्वितीय, उच्च-प्रदर्शन वाले ऊर्जावान पदार्थों (L1 और E1) की खोज और सत्यापन किया है, जिनकी DFT-पुष्ट विस्फोट वेग (detonation velocities) 8 किमी/सेकेंड से अधिक है, और जो उन मौजूदा मॉडलों की सीमाओं को पार करता है जो या तो प्रशिक्षण डेटा को याद कर लेते हैं या एक्सट्रपलेशन के दौरान प्रदर्शन बनाए रखने में विफल रहते हैं।

Yehudit Aperstein, Alexander Apartsin2026-05-27
🤖 AI

MobileExplorer: Accelerating On-Device Inference for Mobile GUI Agents via Online Exploration

MobileExplorer एक नवीन फ्रेमवर्क है जो मॉडल के रीजनिंग समय का लाभ उठाकर UI तत्वों के समानांतर ऑनलाइन अन्वेषण (parallel online exploration) करने के लिए, मोबाइल GUI एजेंटों के लिए ऑन-डिवाइस इन्फरेंस को तेज़ करता है, जो उच्च कार्य सफलता दर को बनाए रखते हुए रीजनिंग स्टेप्स और लेटेंसी को कम करने के लिए प्रासंगिक संकेत (contextual hints) उत्पन्न करता है।

Runxi Huang, Liyu Zhang, Shengzhong Liu, Xiaomin Ouyang2026-05-27
🤖 machine learning

Aligning Few-Step Generative Models by Amortizing Sample-based Variational Inference

यह शोध पत्र FAV को प्रस्तुत करता है, जो कुछ-चरणों वाले जनरेटिव मॉडल्स (few-step generative models) के लिए एक सामान्य संरेखण ढांचा (alignment framework) है, जो बिना किसी सुलभ लाइकलीहुड (tractable likelihoods) या विशिष्ट सॉल्वर धारणाओं के, रोबोटिक्स और इमेज सिंथेसिस के विविध मॉडल परिवारों को अनुकूलित करने के लिए सैंपल-आधारित वेरिएशनल इन्फरेंस (sample-based variational inference) और फिक्स्ड-पॉइंट रिग्रेशन (fixed-point regression) का लाभ उठाता है।

Jaewoo Lee, Hyeongyu Kang, Dohyun Kim, Kyuil Sim, Woocheol Shin, Minsu Kim, Taeyoung Yun, Jeongjae Lee, Sanghyeok Choi (…)2026-05-27
🤖 machine learning

Linear and Neural Dueling Bandits with Delayed Feedback

यह शोध पत्र एक अनिश्चित विलंबित फीडबैक (stochastic delayed feedback) वाले कॉन्टेक्स्टुअल ड्यूलिंग बैंडिट्स की चुनौती को संबोधित करने के लिए नवीन लीनियर और न्यूरल एल्गोरिदम का प्रस्ताव करता है जो निष्पक्ष अनुमान सुनिश्चित करने के लिए लॉस फंक्शन के भीतर एक इनवर्स प्रोबेबिलिटी वेटिंग मैकेनिज्म का उपयोग करते हैं, जिससे सब-लीनियर रिग्रेट बाउंड्स प्राप्त होते हैं और व्यापक प्रयोगों के माध्यम से प्रभावशीलता प्रदर्शित होती है।

Xiangyi Wang, Pingchen Lu, Jie Mao, Mingze Kong, Zhi Hong, Zhiyong Wang, Zhongxiang Dai2026-05-27
📈 economics

Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice

यह शोध पत्र एक दो-चरणीय एडेप्टर प्रस्तावित करता है जो टैबुलर फाउंडेशन मॉडल्स की आर्थिक विसंगतियों को उनके भविष्यवाणियों को उपयोगिता-अधिकतमीकरण ढांचे के भीतर समाहित करके सुधारता है, जिससे डिस्क्रीट चॉइस कार्यों पर बेहतर सटीकता प्राप्त होती है और सैद्धांतिक रूप से वैध मूल्य-मांग संबंधों की गारंटी मिलती है।

Yingshuo Wang, Xian Sun, Yanhang Li, Zhichao Fan, Zexin Zhuang2026-05-27
💬 NLP

Reliable Extraction of Clinical Follow-Up Instructions: A Hybrid Neural-Symbolic Pipeline

यह शोध पत्र प्रदर्शित करता है कि एक हाइब्रिड न्यूरल-सिम्बोलिक पाइपलाइन, जो सीखी गई एंटिटी एक्सट्रैक्शन (entity extraction) को नियतात्मक डेट अरिथमेटिक (deterministic date arithmetic) से अलग करती है, आउटपेशेंट नोट्स से क्लिनिकल फॉलो-अप निर्देशों को सटीक रूप से निकालने में प्रत्यक्ष जनरेटिव मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करती है, जो सिंथेटिक बेंचमार्क पर लगभग पूर्ण F1 स्कोर और ज़ीरो-डे मीन एब्सोल्यूट एरर (zero-day mean absolute error) प्राप्त करती है।

Michal Laufer, Yehudit Aperstein, Alexander Apartsin2026-05-27