🤖 Category

cs.AI

20089 पेपर

💬 NLP

Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models

यह शोधपत्र फंक्शन-अवेयर फिल-इन-द-मिडल (FIM) मिड-ट्रेनिंग पेश करता है, जो एक स्व-पर्यवेक्षित (self-supervised) दृष्टिकोण है जो कोडिंग एजेंट लूप और फंक्शन कॉल्स के बीच संरचनात्मक समानता का लाभ उठाता है ताकि SWE-Bench जैसे बेंचमार्क पर कोडिंग एजेंट के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सके और साथ ही सामान्य कोडिंग और टूल-यूज़ क्षमताओं को सुरक्षित रखा जा सके जो अक्सर मानक पोस्ट-ट्रेनिंग द्वारा कम हो जाती हैं।

Yubo Wang, Jiarong Liang, Yuxuan Zhang, Xuye Liu, Cong Wei, Yuyu Zhang, Ping Nie, Wenhu Chen2026-07-15
💻 computer science

An Omnilingual-ASR-Based Speech-LLM System for the 2nd MLC-SLM Challenge

यह शोध पत्र 2nd MLC-SLM चैलेंज के लिए एक कैस्केडेड स्पीच रिकग्निशन सिस्टम प्रस्तुत करता है जो डेवलपमेंट सेट पर macro tcpMER को 79.15% से घटाकर 29.27% करने के लिए WavLM-आधारित सेगमेंटेशन, CAM++ स्पीकर क्लस्टरिंग और एक LoRA-अनुकूलित ओम्नीलिंगुअल ASR-LLM को संयोजित करता है, जबकि यह भी रेखांकित करता है कि एम्बेडिंग-आधारित क्लस्टरिंग और ओवरलैप-अवेयर सेगमेंटेशन रणनीतियाँ प्रदर्शन को महत्वपूर्ण रूप से प्रभावित करती हैं।

Shuming Fang, Shuifei Zeng2026-07-15
💻 computer science

From Observation to Insight: Mechanistic World Models and the Quest for Autonomous Discovery

यह शोध पत्र "मैकेनिस्टिक वर्ल्ड मॉडल्स" (Mechanistic World Models) को एक नए डिज़ाइन प्रतिमान के रूप में प्रस्तावित करता है जो एआई को विशुद्ध रूप से भविष्य कहने वाले मैपिंग से हटाकर पुन: प्रयोज्य व्याख्यात्मक तंत्रों की ओर ले जाता है, जो स्वायत्त वैज्ञानिक खोज को सक्षम करने के लिए एक एकीकृत वैचारिक और गणनात्मक ढांचा प्रदान करता है।

Ingmar Posner, Anson Lei, Bernhard Schölkopf2026-07-15
💻 computer science

The Model Knows Your Project, Not You: Measuring Recognition in LLMs with NameRank

यह शोध पत्र NameRank प्रस्तुत करता है, जो यह मापने के लिए एक मीट्रिक है कि बड़े भाषा मॉडल अपने पैरामीट्रिक वेट्स (parametric weights) से विशिष्ट संस्थाओं को कितनी अच्छी तरह पहचानते हैं, जिससे यह पता चलता है कि पहचान मुख्य रूप से क्रेडेंशियल्स, संस्थागत प्रतिष्ठा या उद्धरण गणनाओं के बजाय नामित कलाकृतियों की प्रमुखता और चरम घटना दृश्यता द्वारा संचालित होती है।

Bojie Li, Noah Shi2026-07-15
💻 computer science

Traceback Translators Against Forgetting in Continual Fake Speech Detection

यह शोध पत्र नकली भाषण का पता लगाने के लिए एक विस्मृति-प्रतिरोधी निरंतर शिक्षण ढांचे (forgetting-resilient continual learning framework) का प्रस्ताव करता है जो एक ट्रेसबैक ट्रांसलेटर नेटवर्क का उपयोग करता है ताकि नए फीचर स्पेस को एक फ्रीज किए गए डिटेक्टर के भीतर मूल स्पेस में पुनर्मैप किया जा सके, जिससे नए डेटा पर उच्च पहचान दर प्राप्त करने के साथ-साथ पहले से देखे गए नमूनों पर सटीकता बनाए रखी जा सके और कम्प्यूटेशनल लागत को कम किया जा सके।

Enrico Gottardis, Mattia Tamiazzo, Simone Milani2026-07-15
💻 computer science

Explainable-by-Design Audio Deepfake Detection via Wiener-Hopf Linear Prediction

यह शोधपत्र एक 'एक्सप्लेनेबल-बाय-डिजाइन' ऑडियो डीपफेक डिटेक्शन फ्रेमवर्क प्रस्तावित करता है जो प्रतिस्पर्धी प्रदर्शन, कम कम्प्यूटेशनल जटिलता और ध्वनिक सिग्नल गुणों के संबंध में पारदर्शी व्याख्यात्मकता प्राप्त करने के लिए विनर-हॉप लीनियर प्रेडिक्शन को एक लाइटवेट 2D CNN के साथ जोड़ता है।

Mattia Tamiazzo, Simone Milani, Massimo Iuliani, Marco Fontani2026-07-15
💻 computer science

Atomic Units of X: The Compression Layer of Intelligence

यह शोध पत्र "कंप्रेशन कैलकुलस" (संपीडन कलन) नामक एक सैद्धांतिक ढांचे का प्रस्ताव करता है, जो यह प्रतिपादित करता है कि जैविक, संज्ञानात्मक और कम्प्यूटेशनल प्रणालियों में स्केलेबल इंटेलिजेंस जटिल घटनाओं को संपीड़न की पुन: प्रयोज्य "परमाणु इकाइयों" में विघटित करने से उत्पन्न होती है, और यह तर्क देता है कि वर्तमान एआई मॉडल गतिशील फ्यूजन इंजन के रूप में कार्य करते हैं जिन्हें संरचनात्मक अमूर्तता के माध्यम से गुणात्मक दक्षता प्राप्त करने के लिए स्थिर, अवधारणा-स्तरीय परमाणु संरचनाओं की ओर बढ़ने से लाभ होगा।

Sachin Dev Duggal, Pradyumna Swarnalatha Ramanna, Alexandros Vassiliades2026-07-15
🤖 machine learning

Evidence-Grounded Verified Agentic Reasoning: A Path Toward Eliminating LLM Hallucination in Empirical Inference via Tool-Attested Kernel Proofs

यह शोधपत्र EG-VAR प्रस्तुत करता है, जो एक Lean 4-आधारित एजेंटिक रीजनिंग आर्किटेक्चर है जो यह सुनिश्चित करके अनुभवजन्य अनुमान (empirical inference) में LLM मतिभ्रम (hallucinations) को समाप्त करता है कि सभी सत्यापित आउटपुट प्रमाणित टूल कॉल्स और कर्नेल-चेक्ड प्रमाणों से संरचनात्मक रूप से व्युत्पन्न हैं, जबकि किसी भी असमर्थित दावे का स्पष्ट रूप से ऑडिट करता है या उससे परहेज करता है।

Junyu Ren2026-07-15
💻 computer science

Jetson-PI: Towards Onboard Real-Time Robot Control via Foresight-Aligned Asynchronous Inference

Jetson-PI एक नवीन फ्रेमवर्क है जो जेटसन ओरिन (Jetson Orin) जैसे कम शक्ति वाले ऑनबोर्ड उपकरणों पर विजन-लैंग्वेज-एक्शन (Vision-Language-Action) मॉडल्स को तैनात करने के लिए है, जो धारणा-निष्पादन मिसअलाइनमेंट (perception-execution misalignment) को हल करने के लिए एक फॉरसाइट-अलाइन्ड फ्यूचर करेक्शन मॉड्यूल (foresight-aligned future correction module) को कॉन्फिडेंस-आधारित शेड्यूलिंग (confidence-based scheduling) और रिएक्शन टाइम एवं लेटेंसी को न्यूनतम करने के लिए सिस्टम-लेवल ऑप्टिमाइज़ेशन के साथ जोड़कर रीयल-टाइम कंट्रोल प्राप्त करता है।

Zebin Yang, Qi Wang, Yunhe Wang, Xiurui Guo, Bo Yu, Shaoshan Liu, Jiafeng Xu, Hao Dong, Meng Li2026-07-15
💬 NLP

From Critic to Confidence: PPO for Language-Based Quantitative Prediction with Confidence Estimation

यह शोध पत्र CARE-PPO को प्रस्तुत करता है, जो एक सुदृढीकरण अधिगम (reinforcement learning) ढांचा है जो भाषा-आधारित मात्रात्मक भविष्यवाणियों और उनकी विश्वसनीयता को संयुक्त रूप से अनुकूलित करने के लिए कॉन्फिडेंस-अलाइन्ड रिवॉर्ड (Confidence-Aligned Reward) का लाभ उठाता है, जिसमें PPO क्रिटिक को एक मजबूत कॉन्फिडेंस एस्टीमेटर के रूप में पुन: उपयोग किया गया है, जिससे यह स्वास्थ्य सेवा और वित्त डोमेन में सटीकता और अनिश्चितता अंशांकन (uncertainty calibration) में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।

Mehak Dhaliwal, Rasta Tadayon, Andong Hua, Haewon Jeong, Yao Qin2026-07-15