🤖 Category

cs.AI

24462 पेपर

💻 computer science

Fortress: A Case Study in Stabilizing Search Recommendations via Temporal Data Augmentation and Feature Pruning

Fortress एक सामान्य ढांचा है जो ऐतिहासिक स्नैपशॉट एकत्र करने, अस्थिर भविष्यवाणियों का पता लगाने, अस्थिर विशेषताओं को अलग करने और स्थिर विशेषताओं के साथ पुन: प्रशिक्षण देने की चार-चरणीय प्रक्रिया के माध्यम से अस्थायी अस्थिरता पैदा करने वाली विशेषताओं की पहचान करके और उन्हें हटाने के द्वारा खोज अनुशंसा मॉडलों की स्थिरता और सटीकता को बढ़ाता है, जिससे जुड़ाव संकेतों की भविष्य कहने वाली शक्ति और समय के साथ सुसंगत प्रदर्शन की आवश्यकता के बीच प्रभावी ढंग से संतुलन बनाया जा सके।

Milind Pandurang Jagre, Jia Huang, Dayvid V. R. Oliveira, Zhinan Cheng, Babak Seyed Aghazadeh, Puja Das, Chris Alvino, J (…)2026-05-18
🤖 AI

SMCEvolve: Principled Scientific Discovery via Sequential Monte Carlo Evolution

SMCEvolve एक सिद्धांत-आधारित ढांचा पेश करता है जो LLM-संचालित वैज्ञानिक खोज के लिए प्रोग्राम खोज को सीक्वेंशियल मोंटे कार्लो सैंपलिंग के रूप में पुनर्गठित करता है, जो विविध बेंचमार्क पर कम LLM कॉल्स के साथ अत्याधुनिक प्रणालियों से बेहतर प्रदर्शन करते हुए सैद्धांतिक अभिसरण गारंटी और परिमित-नमूना जटिलता सीमाएं प्रदान करता है।

Jiachen Jiang, Huminhao Zhu, Zhihui Zhu2026-05-18
🤖 AI

Context Pruning for Coding Agents via Multi-Rubric Latent Reasoning

यह शोध पत्र LaMR को प्रस्तुत करता है, जो एक संरचित संदर्भ प्रूनिंग (context pruning) ढांचा है जो मल्टी-रुब्रिक लेटेंट रीजनिंग और AST-आधारित पर्यवेक्षण का उपयोग करके कोड प्रासंगिकता को अर्थ संबंधी (semantic) और निर्भरता (dependency) आयामों में विभाजित करता है, जिससे कोडिंग एजेंट के प्रदर्शन को बनाए रखते हुए या उसमें सुधार करते हुए टोकन के उपयोग को महत्वपूर्ण रूप से कम किया जाता है।

Jingjing Wang, Xiwen Chen, Wenhui Zhu, Huayu Li, Zhengxiao He, Feiyang Cai, Ana S. Carreon-Rascon, Xuanzhao Dong, Feng L (…)2026-05-18
🤖 machine learning

From I/O to Code with Discovery Agent

यह शोध पत्र DIO-Agent को प्रस्तुत करता है, जो एक खोज ढांचा (discovery framework) है जो प्रोग्राम संश्लेषण (program synthesis) को निष्पादन त्रुटियों (execution errors) और सरल परिकल्पनाओं को प्राथमिकता देने के लिए एक "ट्रांसफॉर्मेशन प्रायोरिटी प्रिमिस" (Transformation Priority Premise) द्वारा निर्देशित एक विकासवादी खोज (evolutionary search) के रूप में फ्रेम करके चुनौतीपूर्ण IO2Code समस्या को हल करता है, और एक नवनिर्मित IO2CodeBench पर मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

Yihong Dong, Jiaru Qian, Haoran Zhang, Peixu Wang, Binhua Li, Zhi Jin, Yongbin Li, Ge Li, Xiaokang Yang, Xue Jiang2026-05-18
🧬 biology

PACER: Acyclic Causal Discovery from Large-Scale Interventional Data

PACER एक स्केलेबल, acyclicity-गारंटीड फ्रेमवर्क है जो कॉज़ल डिस्कवरी (causal discovery) के लिए, वेरिएबल परम्यूटेशन और एज प्रोबेबिलिटीज के माध्यम से वैध DAGs पर एक डिस्ट्रीब्यूशन को पैरामीटराइज करता है, जिससे सॉफ्ट कंस्ट्रेंट्स की संख्यात्मक अस्थिरता (numerical instability) के बिना बड़े पैमाने के इंटरवेंशनल डेटा पर कुशल अनुकूलन संभव होता है।

Ramon Viñas Torné, Sílvia Fàbregas Salazar, Soyon Park, Ivo Alexander Ban, Artyom Gadetsky, Nikita Doikov, Maria Brbić2026-05-18
🤖 AI

Ensemble Monitoring for AI Control: Diverse Signals Outweigh More Compute

यह शोध पत्र यह प्रदर्शित करता है कि विविध एआई मॉनिटर्स, विशेष रूप से फाइन-ट्यूनिंग द्वारा उन्नत मॉनिटर्स को एक समूह (ensemble) में संयोजित करना, व्यक्तिगत या सजातीय प्रणालियों की तुलना में मिसअलाइन्ड एजेंट क्रियाओं का पता लगाने में महत्वपूर्ण रूप से सुधार करता है, जो यह सिद्ध करता है कि सिग्नल विविधता, बढ़ी हुई कम्प्यूटेशनल स्केल की तुलना में सुरक्षा के लिए अधिक प्रभावी चालक है।

Eugene Koran, Yejun Yun, Samantha Tetef, Benjamin Arnav, Pablo Bernabeu-Pérez2026-05-18
🤖 machine learning

Is One Score Enough? Rethinking the Evaluation of Sequentially Evolving LLM Memory

यह शोध पत्र SeqMem-Eval को प्रस्तुत करता है, जो एक नैदानिक ढांचा (diagnostic framework) है जो समग्र सटीकता मेट्रिक्स से आगे बढ़कर भूलने (forgetting), नकारात्मक स्थानांतरण (negative transfer), और अनुकूलन क्षमता एवं स्थिरता (adaptability and stability) के बीच के समझौतों जैसे गतिशील गुणों को मापकर क्रमवार विकसित होते LLM मेमोरी का अधिक सूक्ष्म-स्तरीय मूल्यांकन प्रदान करता है।

Songwei Dong, Zihan Chen, Chengshuai Shi, Peng Wang, Jundong Li, Cong Shen2026-05-18
🤖 AI

Beyond Partner Diversity: An Influence-Based Team Steering Framework for Zero-Shot Human-Machine Teaming

यह शोध पत्र इन्फ्लुएंस-बेस्ड टीम स्टीयरिंग (IBTS) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो पार्टनर डाइवर्सिटी (साझेदार विविधता) को इन्फ्लुएंस शेपिंग (प्रभाव आकार देने) के साथ जोड़कर ज़ीरो-शॉट ह्यूमन-मशीन टीमिंग को बढ़ाता है ताकि एजेंटों को मजबूत समन्वय पैटर्न खोजने और उनकी ओर निर्देशित करने में सक्षम बनाया जा सके, जो सिम्युलेटेड और वास्तविक दुनिया के ह्यूमन-एआई ओवरकुक्ड-एआई (Overcooked-AI) अध्ययनों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।

Wei Sheng, Rohan Paleja2026-05-18
🤖 machine learning

ff-Trajectory Balance: A Loss Family for Tuning GFlowNets, Generative Models, and LLMs with Off- and On-Policy Data

यह शोध पत्र ff-ट्रैजेक्टरी बैलेंस (f-Trajectory Balance) को प्रस्तुत करता है, जो लॉस फंक्शन्स (loss functions) का एक परिवार है जो मीन स्क्वायर एरर (mean square error) दृष्टिकोण को सभी ff-डाइवर्जेंस (f-divergences) तक विस्तारित करता है, जिससे जेनरेटिव मॉडल्स और एलएलएम (LLMs) को उनके संबंधित ऑन-पॉलिसी (on-policy) ff-डाइवर्जेंस ग्रेडिएंट्स के विशिष्ट अनुकूलन गुणों (जैसे कि मोड कवरिंग) को संरक्षित करते हुए ऑफ-पॉलिसी (off-policy) डेटा के साथ प्रशिक्षित करना सक्षम होता है।

Jake Fawkes, Jason Hartford2026-05-18
🤖 AI

Runtime-Structured Task Decomposition for Agentic Coding Systems

यह शोध पत्र रनटाइम-स्ट्रक्चर्ड टास्क डिकंपोजिशन (runtime-structured task decomposition) प्रस्तुत करता है, जो एजेंटिक कोडिंग सिस्टम के लिए एक आर्किटेक्चरल दृष्टिकोण है जो मोनोलिथिक प्रॉम्प्ट्स के स्थान पर निष्पादन योग्य कंट्रोल लॉजिक का उपयोग करता है ताकि विफलताओं को अलग किया जा सके और केवल विफल उप-कार्यों को पुन: चलाया जा सके, जिससे स्टैटिक डिकंपोजिशन की तुलना में रिट्राय लागत में 73.2% तक और मोनोलिथिक बेसलाइन्स की तुलना में 51.7% तक की कमी आती है।

Shubhi Asthana, Bing Zhang, Chad DeLuca, Hima Patel, Ruchi Mahindru2026-05-18