🤖 Category

cs.AI

23954 पेपर

🤖 AI

Resilient Byzantine Agreement with Predictions

यह शोध पत्र उस व्यापार-संतुलन (trade-off) को स्पष्ट करता है जो बायज़ेंटाइन एग्रीमेंट (Byzantine Agreement) में स्थिरता (consistency) और सुदृढ़ता (robustness) के बीच होता है जब नोड्स दोषपूर्ण व्यवहार को चिह्नित करने के लिए एक प्रेडिक्टर (predictor) का उपयोग करते हैं, जो सटीक एल्गोरिदम और असंभवता के परिणाम (impossibility results) प्रदान करता है जो यह प्रदर्शित करते हैं कि गैर-प्रमाणित (non-authenticated) और प्रमाणित (authenticated) दोनों सेटिंग्स में गलत भविष्यवाणियों की संख्या के साथ लचीलापन (resilience) रैखिक रूप से कैसे घटता है।

Julien Dallot, Darya Melnyk, Tijana Milentijevic, Stefan Schmid, Patrik Welters2026-05-20
🤖 AI

Beyond Mode Collapse: Distribution Matching for Diverse Reasoning

यह शोध पत्र DMPO को प्रस्तुत करता है, जो एक वितरण-मिलान नीति अनुकूलन (distribution-matching policy optimization) विधि है जो नीति को रिवॉर्ड-अनुपातिक लक्ष्य वितरण के साथ संरेखित करके ऑन-पॉलिसी सुदृढीकरण शिक्षण (on-policy reinforcement learning) में मोड कोलैप्स (mode collapse) को कम करती है, जिससे अन्वेषण (exploration) बना रहता है और NP-हार्ड ऑप्टिमाइज़ेशन और गणितीय तर्क जैसे विविध तर्क कार्यों में प्रदर्शन में महत्वपूर्ण सुधार होता है।

Xiaozhe Li, Yang Li, Xinyu Fang, Shengyuan Ding, Peiji Li, Yongkang Chen, Yichuan Ma, Tianyi Lyu, Linyang Li, Dahua Lin (…)2026-05-20
🤖 machine learning

Quantifying the Pre-training Dividend: Generative versus Latent Self-Supervised Learning for Time Series Foundation Models

यह शोध पत्र एक नियंत्रित ढांचा स्थापित करता है जो यह प्रदर्शित करता है कि स्व-पर्यवेक्षित प्री-ट्रेनिंग (self-supervised pre-training) टाइम सीरीज़ वर्गीकरण और विसंगति का पता लगाने (anomaly detection) के लिए पर्याप्त लाभ प्रदान करती है, लेकिन पूर्वानुमान (forecasting) के लिए यह मामूली लाभ ही देती है, एक ऐसा अंतर जो परिशुद्धता-अपरिवर्तनीयता (precision-invariance) के व्यापार-बंद (trade-off) द्वारा संचालित है जो जनरेटिव प्रतिमानों (generative paradigms) के बजाय लेटेंट अलाइनमेंट आर्किटेक्चर (latent alignment architectures) के पक्ष में है।

Noam Major, Kathy Razmadze, Yoli Shavit2026-05-20
🤖 machine learning

Sampling-Based Safe Reinforcement Learning

यह शोध पत्र सैंपलिंग-आधारित सेफ रिइन्फोर्समेंट लर्निंग (SBSRL) प्रस्तुत करता है, जो एक मॉडल-आधारित एल्गोरिदम है जो डायनेमिक्स सैंपल्स में बाधाओं को लागू करके और एपिस्टेमिक अनसर्टेन्टी (epistemic uncertainty) को प्रबंधित करके निरंतर नियंत्रण शिक्षण के दौरान सुरक्षा सुनिश्चित करता है, जिससे सैद्धांतिक सुरक्षा गारंटी प्रदान होती है और सिमुलेशन एवं वास्तविक दुनिया के रोबोटिक हार्डवेयर दोनों में कुशल अन्वेषण प्राप्त होता है।

Luca Vignola, Bruce D. Lee, Manish Prajapat, Manuel Wendl, Melanie Zeilinger, Andreas Krause, Yarden As2026-05-20
🤖 AI

BLINKG: A Benchmark for LLM-Integrated Knowledge Graph Generation

यह शोध पत्र BLINKG को प्रस्तुत करता है, जो विषम डेटा स्रोतों को ऑन्टोलॉजी शब्दों से मैप करके नॉलेज ग्राफ जनरेशन को स्वचालित करने में लार्ज लैंग्वेज मॉडल्स की प्रभावशीलता का मूल्यांकन करने के लिए डिज़ाइन किया गया एक बेंचमार्क है, जो यह प्रकट करता है कि हालांकि वर्तमान मॉडल आशाजनक दिखते हैं, फिर भी वे जटिल परिदृश्यों के साथ संघर्ष करते हैं और मजबूत अर्ध-स्वचालित निर्माण प्राप्त करने के लिए आगे के विकास की आवश्यकता है।

Carla Castedo, Enrique Iglesias, Manuel Lama, Alberto Bugarin-Diz, Maria-Esther Vidal, David Chaves-Fraga2026-05-20
🤖 AI

Efficient Elicitation of Collective Disagreements

यह शोध पत्र एक स्तरीकृत ढांचे और "बहुलता मैट्रिक्स" (plurality matrix) का प्रस्ताव करता है ताकि विभिन्न असहमति मापों की गणना के लिए आवश्यक न्यूनतम संचित वरीयता जानकारी की पहचान की जा सके, यह प्रदर्शित करते हुए कि ऐसे कई मेट्रिक्स के लिए सरल युग्मवार तुलनाओं से परे डेटा की आवश्यकता होती है और प्रतिभागी भार एवं अनुमान सटीकता के बीच संतुलन बनाने के लिए उद्दलन प्रोटोकॉल (elicitation protocols) प्रस्तुत करता है।

Mohamed Ouaguenouni, Felipe Garrido-Lucero, Umberto Grandi, César Hidalgo, Magdalena Tydrichova2026-05-20
🤖 AI

EgoCoT-Bench: Benchmarking Grounded and Verifiable Operation-Centric Chain of Thought Reasoning for MLLMs

यह शोध पत्र EgoCoT-Bench प्रस्तुत करता है, जो एक सूक्ष्म-स्तरीय (fine-grained) इगोसेंट्रिक वीडियो बेंचमार्क है जिसमें स्पष्ट चरण-दर-चरण तर्क संबंधी एनोटेशन के साथ 3,172 सत्यापन योग्य QA जोड़े शामिल हैं, जिसे मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की ग्राउंडेड, ऑपरेशन-केंद्रित तर्क क्षमताओं का मूल्यांकन करने और उन्हें सुधारने के लिए डिज़ाइन किया गया है।

Yang Dai, Dian Jiao, Tianwei Lin, Wenqiao Zhang2026-05-20
🤖 machine learning

TORQ: Two-Level Orthogonal Rotation for MXFP4 Quantization

यह शोध पत्र TORQ को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त पोस्ट-ट्रेनिंग क्वांटाइजेशन फ्रेमवर्क है जो MXFP4 एक्टिवेशन क्वांटाइजेशन में संरचनात्मक असंतुलन को सैद्धांतिक रूप से संबोधित करने के लिए दो-स्तरीय ऑर्थोगोनल रोटेशन का उपयोग करता है, जिससे बड़े भाषा मॉडलों (LLMs) पर 4-बिट इन्फरेंस और फुल-प्रिसिजन मॉडलों के बीच सटीकता के अंतर को महत्वपूर्ण रूप से कम किया जा सकता है।

Zukang Xu, Xing Hu, Dawei Yang2026-05-20
🤖 AI

SceneCode: Executable World Programs for Editable Indoor Scenes with Articulated Objects

SceneCode एक ऐसा फ्रेमवर्क है जो प्राकृतिक भाषा के प्रॉम्प्ट्स को निष्पादित, कोड-संचालित इनडोर दृश्यों में रूपांतरित करता है जिसमें आर्टिकुलेटेड ऑब्जेक्ट्स शामिल होते हैं, जो ब्लेंडर पायथन प्रोग्राम्स को उत्पन्न और मान्य करके किया जाता है, जिससे संपादन योग्य, भौतिकी-तैयार विश्व संश्लेषण सक्षम होता है जो स्थिर मेश रिप्रजेंटेशन की सीमाओं से परे है।

Puyi Wang, Yuhao Wang, Linjie Li, Zhengyuan Yang, Kevin Qinghong Lin, Yangguang Li, Yu Cheng2026-05-20
🤖 AI

Towards Multi-Model LLM Schedulers: Empirical Insights into Offloading and Preemption

यह शोध पत्र एक अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रकट करता है कि विषम हार्डवेयर पर मल्टी-मॉडल LLM शेड्यूलिंग, CPU-GPU ऑफलोडिंग से मॉडल-निर्भर प्रदर्शन गिरावट और स्टेट रीलोड्स द्वारा संचालित पर्याप्त प्रीएम्प्शन ओवरहेड का सामना करती है, जिससे कुशल अगली पीढ़ी के शेड्यूलर डिजाइन करने के लिए महत्वपूर्ण कारकों की पहचान होती है।

Mert Yildiz, Pietro Spadaccino, Alexey Rolich, Francesca Cuomo, Andrea Baiocchi2026-05-20