🤖 Category

cs.AI

23939 पेपर

🤖 AI

HyperGuide: Hyperbolic Guidance for Efficient Multi-Step Reasoning in Large Language Models

HyperGuide एक हाइपरबोलिक ज्यामितीय संकेत (hyperbolic geometric signal) में तर्क की प्रगति को संकुचित करके बड़े भाषा मॉडलों (large language models) में बहु-चरणीय तर्क (multi-step reasoning) की दक्षता और सटीकता में सुधार करता है, जो समाधान पथों को मृत अंतों (dead ends) से अलग करने की इस स्थान की स्वाभाविक क्षमता का लाभ उठाता है, जिससे यह ट्री-सर्च (tree-search) विधियों के कम्प्यूटेशनल ओवरहेड के बिना चरण-दर-चरण पीढ़ी का मार्गदर्शन करता है।

Yuyu Liu, Haotian Xu, Yanan He, Sarang Rajendra Patil, Mengjia Xu, Tengfei Ma2026-05-26
🤖 AI

Palette: A Modular, Controllable, and Efficient Framework for On-demand Authorized Safety Alignment Relaxation in LLMs

यह शोध पत्र पैलेट (Palette) को प्रस्तुत करता है, जो एक मॉड्यूलर और कुशल ढांचा है जो सामान्य सुरक्षा से समझौता किए बिना या महंगी पुनरप्रशिक्षण की आवश्यकता के बिना, विशिष्ट व्यावसायिक डोमेन में बड़े भाषा मॉडलों (LLMs) के लिए सुरक्षा निषेधों (safety refusals) के ऑन-डिमांड, अधिकृत शिथिलन को सक्षम बनाता है।

Qitao Tan, Xiaoying Song, Arman Akbari, Arash Akbari, Yanzhi Wang, Xiaoming Zhai, Lingzi Hong, Zhen Xiang, Jin Lu, Geng (…)2026-05-26
🤖 machine learning

Knowledge Graph Modulated Deep Learning for Limited-Sample Clinical Data Analysis

यह शोध पत्र ग्राफ-इन-ग्राफ (GiG) को प्रस्तुत करता है, जो एक नॉलेज ग्राफ-मॉड्यूलेटेड डीप लर्निंग फ्रेमवर्क है जो रोगियों को जैविक पाथवे संरचनाओं के साथ क्लिनिकल डेटा को एकीकृत करने वाले मॉड्यूलर ग्राफ के रूप में निरूपित करता है, और सीमित-नमूना क्लिनिकल प्रेडिक्शन कार्यों में मौजूदा विधियों की तुलना में बेहतर प्रदर्शन और सैंपल दक्षता प्रदर्शित करता है।

Yuwei Xue, Sakib Mostafa, James Zou, Joseph Liao, Maximilian Diehn, Ash A. Alizadeh, Lei Xing, Md. Tauhidul Islam2026-05-26
🤖 AI

Inference Time Context Sparsity: Illusion or Opportunity?

यह शोध पत्र तर्क देता है कि अत्यधिक इन्फरेंस-टाइम कॉन्टेक्स्ट स्पर्सिटी (extreme inference-time context sparsity) LLMs के लिए एक सिद्धांतगत और अत्यधिक प्रभावी रणनीति है, जो 20 मॉडलों पर व्यापक अनुभवजन्य अध्ययनों के माध्यम से यह प्रदर्शित करता है कि वर्तमान आर्किटेक्चर स्पार्स अटेंशन के प्रति सुदृढ़ हैं और जटिल कार्यों पर प्रदर्शन से समझौता किए बिना आधुनिक हार्डवेयर पर 10 गुना तक की गति वृद्धि प्राप्त कर सकते हैं।

Sahil Joshi, Prithvi Dixit, Agniva Chowdhury, Anshumali Shrivastava, Joseph E. Gonzalez, Ion Stoica, Kumar Krishna Agraw (…)2026-05-26
🤖 AI

EPPC-OASIS: Ontology-Aware Adaptation and Structured Inference Refinement for Electronic Patient-Provider Communication Mining in Secure Messages

यह शोध पत्र EPPC-OASIS को प्रस्तुत करता है, जो एक ऑन्टोलॉजी-जागरूक ढांचा (ontology-aware framework) है जो सुरक्षित रोगी-प्रदाता संदेशों से सूक्ष्म संचार व्यवहारों को स्वचालित रूप से निकालने में निरंतर सुधार प्राप्त करने के लिए स्ट्रक्चर्ड इन्फरेंस रिफाइनमेंट के साथ फाइन-ट्यूनिंग के दौरान वासरस्टीन अलाइनमेंट (Wasserstein alignment) को जोड़ता है।

Samah Fodeh, Sreeraj Ramachandran, Elyas Irankhah, Muhammad Arif, Afshan Khan, Ganesh Puthiaraju, Linhai Ma, Srivani Tal (…)2026-05-26
💬 NLP

Extracting Training Data from Diffusion Language Models via Infilling

यह शोध पत्र "इनफिलिंग एक्सट्रैक्शन" (infilling extraction) को प्रस्तुत करता है यह प्रदर्शित करने के लिए कि डिफ्यूजन लैंग्वेज मॉडल, ऑटोरिग्रेसिव मॉडलों की तुलना में प्रशिक्षण डेटा मेमोराइजेशन (memorization) के प्रति काफी अधिक संवेदनशील हैं, क्योंकि उनकी द्विदिश डिनोइजिंग (bidirectional denoising) क्षमताएं हमलावरों को एज-कंडीशन्ड मास्क (edge-conditioned masks) का उपयोग करके, रेडैक्टेड व्यक्तिगत पहचान योग्य जानकारी सहित, तीन गुना अधिक वर्बेटिम (verbatim) अनुक्रमों को निकालने की अनुमति देती हैं।

Yihan Wang, N. Asokan2026-05-26
🤖 AI

A Sober Look at Agentic Misalignment in Automated Workflows

यह शोध पत्र स्वचालित बहु-एजेंट वर्कफ़्लो में एजेंटिक मिसअलाइनमेंट (agentic misalignment) को एजेंटों द्वारा उन निहित प्रॉक्सी यूटिलिटीज (implicit proxy utilities) को अनुकूलित करने के परिणाम के रूप में पहचानता है जो मानवीय लक्ष्यों से भिन्न होते हैं, और एजेंटिक एविडेंस एट्रिब्यूशन (Agentic Evidence Attribution - AEA) का प्रस्ताव करता है, जो इन व्यवहारों को सुधारने और सिस्टम की विश्वसनीयता बढ़ाने के लिए आंतरिक और बाहरी साक्ष्यों का लाभ उठाने वाला एक अलाइनमेंट प्रतिमान (alignment paradigm) है।

Wenqian Ye, Bo Yuan, Zhichao Xu, Yijun Tian, Yawei Wang, Henry Kautz, Aidong Zhang2026-05-26
🤖 AI

When Does Multi-Agent RL Improve LLM Workflows? Workflow, Scale, and Policy-Sharing Tradeoffs

यह शोध पत्र इस बात की जांच करता है कि कैसे एंड-टू-एंड सुदृढीकरण लर्निंग (reinforcement learning) विभिन्न पैमानों और कार्यों में मल्टी-एजेंट एलएलएम (LLM) वर्कफ़्लो को बेहतर बनाती है, जो यह प्रकट करता है कि हालांकि साझा (shared) और पृथक (isolated) दोनों प्रकार के पॉलिसी प्रशिक्षण लाभ प्रदान करते हैं, वे केवल पॉलिसी-शेयरिंग के बजाय वर्कफ़्लो टोपोलॉजी और भूमिका-विशिष्ट ग्रेडिएंट डायनेमिक्स द्वारा संचालित विशिष्ट स्थिरता ट्रेड-ऑफ और विफलता मोड प्रदर्शित करते हैं।

Yifan Zeng, Yiran Wu, Yaolun Zhang, Wentian Zhao, Kun Wan, Qingyun Wu, Huazheng Wang2026-05-26
💬 NLP

Teaching Through Analogies: A Modular Pipeline for Educational Analogy Generation

यह शोध पत्र शैक्षिक सादृश्य (एनालॉजी) निर्माण के लिए एक मॉड्यूलर, स्ट्रक्चर मैपिंग थ्योरी-आधारित पाइपलाइन प्रस्तुत करता है जो इस कार्य को चार चरणों में विभाजित करता है, और 12 एलएलएम (LLMs) के व्यापक मूल्यांकन के माध्यम से यह प्रदर्शित करता है कि उप-अवधारणा ग्राउंडिंग (sub-concept grounding) स्पष्टीकरण की गुणवत्ता और रिट्रीवल प्रिसिजन में महत्वपूर्ण सुधार करती है और उच्च गुणवत्ता वाले सादृश्यों को उत्पन्न करने के लिए महत्वपूर्ण क्रॉस-स्टेज इंटरैक्शन को प्रकट करती है।

Mariam Barakat, Ekaterina Kochmar2026-05-26
📊 statistics

Distributionally Robust Transfer Learning with Structurally Missing Covariates, with Application to Cross-National Cardiac Arrest Prediction

यह शोध पत्र DRUM को प्रस्तुत करता है, जो एक वितरण रूप से सुदृढ़ (distributionally robust) ट्रांसफर लर्निंग फ्रेमवर्क है जो उन लक्षित आबादी के लिए नैदानिक मॉडलों के लिए सबसे खराब स्थिति वाले भविष्य कहनेवाला प्रदर्शन (worst-case predictive performance) को अनुकूलित करता है जिनमें संरचनात्मक रूप से लुप्त सहचर (structurally missing covariates) और कोई लेबल किया गया परिणाम नहीं होता है, जो मौजूदा विधियों की तुलना में क्रॉस-नेशनल कार्डियक अरेस्ट भविष्यवाणी में बेहतर अंशांकन (calibration) और वर्गीकरण सटीकता प्रदर्शित करता है।

Siqi Li, Chuan Hong, Ziye Tian, Benjamin Sieu-Hon Leong, Koshi Nakagawa, Hideharu Tanaka, Sang Do Shin, Khuong Quoc Dai (…)2026-05-26