🤖 Category

cs.AI

23941 पेपर

🤖 machine learning

Quantitative Evaluation of the Severity of Posttraumatic Stress Disorder through Transfer Learning from Specific Phobia Data

यह अध्ययन शारीरिक संकेतों (हृदय गति और गैल्वेनिक स्किन रिस्पांस) पर मल्टीवेरिएट कर्नेल डेंसिटी एस्टीमेशन का उपयोग करते हुए एक मशीन लर्निंग दृष्टिकोण प्रस्तावित करता है, जिसे एराक्नोफोबिया डेटा से ट्रांसफर लर्निंग के माध्यम से प्रशिक्षित किया गया है, ताकि 86% सटीकता के साथ पीटीएसडी (PTSD) स्थिति को वस्तुनिष्ठ रूप से वर्गीकृत किया जा सके और 5.6 के माध्य पूर्ण त्रुटि (mean absolute error) के साथ लक्षण की गंभीरता का अनुमान लगाया जा सके।

Nicolas Ricka, Gauthier Pellegrin, Denis A. Fompeyrine, Thomas Rohaly, Leah Enders, Heather Roy2026-05-26
🤖 machine learning

From Latent Space to Training Data: Explainable Specialization in Minimal MLPs

यह शोध पत्र यह प्रदर्शित करता है कि न्यूनतम गॉसियन-एक्टिवेशन (Gaussian-activation) वाले एमएलपी (MLP) में, प्रोटोटाइप-आधारित डेटा पुनर्निर्माण को बेहतर बनाने और प्रतिकर्षण पृथक्करण (repulsive separation) या ओवरलैप दंड के कारण लेटेंट ज्योमेट्री (latent geometry) के अपभ्रष्ट पतन (degenerate collapse) को रोकने के लिए कवरेज रेगुलराइजेशन (coverage regularization) सबसे प्रभावी संरचनात्मक हानि (structural loss) है।

Enrique Alba, Ezequiel Lopez-Rubio2026-05-26
🤖 AI

VEN-VL: A Visual Ensemble MoE Framework for Effective and Efficient Multi-Modal Understanding

VEN-VL एक विजुअल एनसेंबल मिक्सचर-ऑफ-एक्सपर्ट्स फ्रेमवर्क है जो मल्टी-परस्पेक्टिव यूनिफिकेशन के माध्यम से विजुअल इंफॉर्मेशन कैपेसिटी को समृद्ध करके और फिर एडेप्टिव रूटिंग एवं एक्सप्लिसिट विजुअल सुपरविजन के माध्यम से इसे प्रोग्रेसिव रूप से कॉम्पैक्ट करके मल्टीमॉडल अंडरस्टैंडिंग में प्रदर्शन और दक्षता के बीच के अंतर को पाटता है।

Yinghao Wu, Zhuoyan Luo, Yiyao Yu, Zhaojian Yu, Yujiu Yang, Xiao-Ping Zhang2026-05-26
🤖 machine learning

Step-TP: A Grounded, Step-Level Dataset with Chain-of-Thought Reasoning for LLM-Guided Tensor Program Optimization

यह शोध पत्र Step-TP प्रस्तुत करता है, जो एक नवीन पोस्ट-ट्रेनिंग डेटासेट है जो संरचित चेन-ऑफ-थॉट रीजनिंग और एक टोकन-कुशल मध्यवर्ती प्रतिनिधित्व के माध्यम से ग्राउंडेड, परमाणु, स्टेप-लेवल सुपरविजन प्रदान करके LLM-गाइडेड टेंसर प्रोग्राम ऑप्टिमाइजेशन को बढ़ाता है ताकि विश्वसनीय मल्टी-स्टेप निर्णय लेने में सक्षम बनाया जा सके।

Mengfan Liu, Da Zheng, Junwei Su, Chuan Wu2026-05-26
🤖 AI

Neural Scalable Symbolic Search Framework for Complex Logical Queries with Multiple Free Variables

यह शोध पत्र न्यूरल स्केलेबल सिम्बोलिक सर्च (NS3) का प्रस्ताव करता है, जो एक बजटेड फ्रेमवर्क है जो वेरिएबल्स को प्रून की गई हाइपरनोड्स में मर्ज करके और क्वेरी की जटिलता को क्रमिक रूप से कम करके अपूर्ण नॉलेज ग्राफ्स पर कई फ्री वेरिएबल्स वाली जटिल लॉजिकल क्वेरीज के लिए जॉइंट रैंकिंग को कुशलतापूर्वक अनुमानित करता है, जिससे बड़े एंटिटी स्पेस को सूचीबद्ध करने की जटिलता पर विजय प्राप्त होती है और जॉइंट रैंकिंग सटीकता में मौजूदा विधियों से बेहतर प्रदर्शन होता है।

Weizhi Fei, Hang Yin, Zihao Wang, Shukai Zhao, Wei Zhang, Yangqiu Song2026-05-26
🤖 machine learning

Learning in Low-Dimensional Subspaces: Orthogonal Bottlenecks for Reinforcement Learning

यह शोध पत्र ऑर्थोगोनल बॉटलनैक्स (orthogonal bottlenecks) को प्रस्तुत करता है, जो एक हल्का और आर्किटेक्चर-अज्ञेय (architecture-agnostic) तंत्र है जो फिक्स्ड ऑर्थोनॉर्मल प्रोजेक्शन्स के माध्यम से सुदृढीकरण शिक्षण (reinforcement learning) के निरूपणों को कम-आयामी उप-स्थानों (low-dimensional subspaces) तक सीमित करता है, और सैद्धांतिक एवं अनुभवजन्य रूप से यह प्रदर्शित करता है कि कार्य-प्रासंगिक वैल्यू फंक्शन को न्यूनतम आयामीता के साथ संरक्षित किया जा सकता है और अक्सर इसमें सुधार किया जा सकता है, जबकि फीचर ज्योमेट्री को स्थिर किया जाता है।

Aleksandar Todorov, Matthia Sabatelli2026-05-26✓ Author reviewed ⓘ
🤖 AI

CausaLab: A Scalable Environment for Interactive Causal Discovery Toward AI Scientists

CausaLab एक कृत्रिम प्रयोगशाला सेटिंग में अंतर्निहित संरचनात्मक कारण मॉडलों (structural causal models) को पुनः प्राप्त करने की आवश्यकता के माध्यम से LLM एजेंटों की कारण खोज (causal discovery) क्षमताओं का मूल्यांकन करने के लिए एक स्केलेबल, संवादात्मक वातावरण पेश करता है, जो भविष्य कहनेवाला सटीकता (predictive accuracy) और वास्तविक कारण समझ के बीच एक महत्वपूर्ण अंतर को प्रकट करता है और हस्तक्षेप डिजाइन (intervention design) तथा समयपूर्व रुकने (premature stopping) की कमजोरियों को उजागर करता है।

Junlin Yang, Dylan Zhang, Xiangchen Song, Qirun Dai, Xiao Liu, Yuen Chen, Aniket Vashishtha, Jing Shi, Chenhao Tan, Hao (…)2026-05-26
🤖 AI

CITYREP: A Unified Benchmark for Urban Representations Across Cities, Tasks, and Modalities

वर्तमान शहरी प्रतिनिधित्व मूल्यांकनों में स्थानिक रिसाव (spatial leakage) और सामान्यीकरण की कमी जैसी सीमाओं को संबोधित करने के लिए, लेखक सिटीरेप (CityRep) का प्रस्ताव करते हैं, जो एक एकीकृत बेंचमार्क है जिसमें स्थानिक रूप से संरचित विभाजन और कई शहरों, कार्यों और माध्यमों (modalities) में मॉडलों का कठोरता से आकलन करने के लिए एक मानकीकृत ढांचा शामिल है।

Junyuan Liu, Xinglei Wang, Zichao Zeng, Jiazhuang Feng, Quan Qin, Ilya Ilyankou, Guangsheng Dong, Tao Cheng2026-05-26
🤖 AI

DRScaffold: Boosting Dense-Scene Reasoning in Lightweight Vision Language Models

यह शोध पत्र DRBench का परिचय देता है, जो सघन-दृश्य तर्क (dense-scene reasoning) के लिए एक बेंचमार्क है, और DRScaffold का, जो एक सुपरवाइज्ड फाइन-ट्यूनिंग फ्रेमवर्क है जो ग्राउंडेड, मल्टी-स्टेज इन्फरेंस को लागू करके हल्के विजन-लैंग्वेज मॉडल्स की तर्क क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है, जिससे छोटे मॉडल्स को जटिल विजुअल कार्यों पर बहुत बड़े फ्रोजन समकक्षों (frozen counterparts) से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके।

Xinrui Shi, Kai Liu, Ziqing Zhang, Jianze Li, Anqi Li, Yulun Zhang2026-05-26
💬 NLP

Confidence and Calibration of Activation Oracles for Reliable Interpretation of Language Model Internals

यह शोध पत्र छह विश्वास अनुमान विधियों का मूल्यांकन करके एक्टिवेशन ओरेकल के लिए अनिश्चितता मात्रा निर्धारण (uncertainty quantification) की जांच करता है, जिसमें यह पाया गया कि बूटस्ट्रैप मोड फ्रीक्वेंसी सर्वोत्तम अंशांकन (calibration) प्रदान करती है जबकि लॉग-प्रोबेबिलिटी एक लागत प्रभावी ट्राइएज सिग्नल के रूप में कार्य करती है।

Federico Torrielli, Peter Schneider-Kamp, Lukas Galke Poech2026-05-26