🤖 Category

cs.AI

24831 पेपर

⚡ electrical engineering

An Uncertainty-Aware Resilience Micro-Agent for Causal Observability in the Computing Continuum

यह शोध पत्र AURORA को प्रस्तुत करता है, जो समानांतर माइक्रो-एजेंटों का एक हल्का ढांचा (लाइटवेट फ्रेमवर्क) है, जो कंप्यूटिंग निरंतरता (कंप्यूटिंग कॉन्टीन्यूम) में ग्रे विफलताओं (ग्रे फेलियर्स) का विश्वसनीय रूप से निदान और शमन करने के लिए मुक्त-ऊर्जा सिद्धांत, कारण संबंधी do-कैलकुलस (कॉज़ल do-कैलकुलस), और एक दोहरे-गेटेड निष्पादन तंत्र का लाभ उठाता है, साथ ही सख्त अनिश्चितता-जागरूकता के माध्यम से विनाशकारी हस्तक्षेपों को समाप्त करता है।

Suvi De Silva, Alfreds Lapkovskis, Alaa Saleh, Sasu Tarkoma, Praveen Kumar Donta2026-05-12
🤖 machine learning

Provable Sparse Inversion and Token Relabel Enhanced One-shot Federated Learning with ViTs

यह शोधपत्र FedMITR का प्रस्ताव करता है, जो विजन ट्रांसफॉर्मर्स के लिए एक नवीन वन-शॉट फेडरेटेड लर्निंग फ्रेमवर्क है जो सिमेंटिक रूप से संरेखित सिंथेटिक डेटा उत्पन्न करने के लिए स्पार्स मॉडल इनवर्जन को टोकन रीलेबलिंग रणनीति के साथ जोड़ता है ताकि प्रेडिक्शन रोबस्टनेस को बढ़ाया जा सके, जिससे नॉन-IID सेटिंग्स के तहत बेहतर प्रदर्शन और कड़े जनरलाइजेशन बाउंड्स प्राप्त किए जा सकें।

Li Shen, Xiaolei Hao, Qinglun Li, Xiaochun Cao, Zhifeng Hao, Xun Yang2026-05-12
🤖 AI

GridProbe: Posterior-Probing for Adaptive Test-Time Compute in Long-Video VLMs

GridProbe लंबे वीडियो VLMs के लिए एक प्रशिक्षण-मुक्त (training-free), अनुकूली टेस्ट-टाइम कंप्यूट प्रतिमान पेश करता है जो व्याख्या योग्य महत्व मानचित्र (importance maps) उत्पन्न करने के लिए एक फ्रेम ग्रिड पर पोस्टीरियर प्रोबिंग का उपयोग करता है, जिससे गतिशील फ्रेम चयन सक्षम होता है जो तर्क-प्रधान कार्यों पर सटीकता को बनाए रखते हुए या उसमें सुधार करते हुए कम्प्यूटेशनल लागत को काफी कम कर देता है।

Mohamed Eltahir, Lama Ayash, Ali Habibullah, Tanveer Hussain, Naeemullah Khan2026-05-12
🤖 AI

MPerS: Dynamic MLLM MixExperts Perception-Guided Remote Sensing Scene Segmentation

MPerS एक नवीन रिमोट सेंसिंग सीन सेगमेंटेशन फ्रेमवर्क है जो कई MLLMs से उच्च-गुणवत्ता वाले कैप्शन उत्पन्न करने के लिए डायनेमिक Mixture-of-Experts प्रॉम्प्ट्स का लाभ उठाता है, जिन्हें फिर एक डायनेमिक MixExperts मॉड्यूल और लिंग्विस्टिक क्वेरी गाइडेड अटेंशन के माध्यम से अनुकूल रूप से एकीकृत किया जाता है ताकि बेहतर सेगमेंटेशन प्रदर्शन के लिए DINOv3-एक्सट्रैक्टेड विजुअल फीचर्स को निर्देशित किया जा सके।

Ziyi Wang, Xianping Ma, Ziyao Wang, Hongyang Zhang, Man On Pun2026-05-12
🤖 AI

Beyond the Last Layer: Multi-Layer Representation Fusion for Visual Tokenizatio

यह शोध पत्र DRoRAE को प्रस्तुत करता है, जो एक हल्का (lightweight) रिप्रजेंटेशन ऑटोएन्कोडर है जो केवल अंतिम परत पर निर्भर रहने के बजाय, एक फ्रोजन विजन एनकोडर की सभी परतों से पदानुक्रमित (hierarchical) विशेषताओं को अनुकूल रूप से संलयित (adaptively fuse) करके विजुअल टोकनाइजेशन और जनरेशन की गुणवत्ता में महत्वपूर्ण सुधार करता है, जिससे फ्यूजन क्षमता और पुनर्निर्माण प्रदर्शन के बीच एक स्केलेबल लॉग-लीनियर संबंध का पता चलता है।

Xuanyu Zhu, Yan Bai, Yang Shi, Yihang Lou, Yuanxing Zhang, Jing Jin, Yuan Zhou2026-05-12
🤖 AI

ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox

यह शोध पत्र ComplexMCP को प्रस्तुत करता है, जो मॉडल कॉन्टेक्स्ट प्रोटोकॉल (Model Context Protocol) पर आधारित एक कठोर बेंचमार्क है जिसमें 300 से अधिक परस्पर निर्भर उपकरण और गतिशील पर्यावरणीय सिमुलेशन शामिल हैं, जो यह प्रकट करता है कि वर्तमान LLM एजेंट जटिल वर्कफ़्लो में मनुष्यों की तुलना में काफी कम प्रदर्शन करते हैं क्योंकि वे टूल रिट्रीवल सैचुरेशन (tool retrieval saturation), अति-आत्मविश्वास और रणनीतिक पराजयवाद (strategic defeatism) जैसी बाधाओं का सामना करते हैं।

Yuanyang Li, Xue Yang, Longyue Wang, Weihua Luo, Hongyang Chen2026-05-12
🤖 AI

PathISE: Learning Informative Path Supervision for Knowledge Graph Question Answering

PathISE एक नवीन ढांचा है जो उत्तर-स्तर के लेबल से उच्च-गुणवत्ता वाले मध्यवर्ती पथ पर्यवेक्षण (intermediate path supervision) को सीखने के लिए एक हल्के ट्रांसफॉर्मर एस्टिमेटर का उपयोग करके एक LLM पाथ जनरेटर को प्रशिक्षित करता है, जिससे महंगी, मैन्युअल रूप से एनोटेट की गई पाथ डेटा पर निर्भर किए बिना प्रतिस्पर्धी नॉलेज ग्राफ क्वेश्चन आंसरिंग प्रदर्शन प्राप्त किया जाता है।

Shengxiang Gao, Chao Lei, Jey Han Lau, Jianzhong Qi2026-05-12
🤖 AI

Interpretable Machine Learning for Football Performance Analysis: Evidence of Limited Transferability from Elite Leagues to University Competition

यह अध्ययन प्रदर्शित करता है कि जबकि विशिष्ट यूरोपीय फुटबॉल डेटा पर प्रशिक्षित मशीन लर्निंग मॉडल स्थिर और सुसंगत प्रदर्शन व्याख्याएँ प्रदान करते हैं, ये अंतर्दृष्टि विश्वविद्यालय-स्तर की प्रतिस्पर्धा में विश्वसनीय रूप से स्थानांतरित होने में विफल रहती हैं, जो यह प्रकट करता है कि व्याख्यात्मक सुदृढ़ता (interpretability robustness) डोमेन-निर्भर है और स्पष्टीकरण अस्थिरता (explanation instability) प्रतिस्पर्धा स्तरों के बीच संरचनात्मक अंतर के लिए एक नैदानिक संकेत के रूप में कार्य कर सकती है।

Yu-Fang Tsai, Yu-Jen Chen, Kok-Hua Tan, Sheng-Chieh Huang, You-Ying Ji, Yu-Lun Chen, Chun-Yi Wang, Chien-Ming Hsu2026-05-12
📊 statistics

Reasoning Is Not Free: Robust Adaptive Cost-Efficient Routing for LLM-as-a-Judge

यह शोध पत्र RACER को प्रस्तुत करता है, जो एक वितरण रूप से सुदृढ़ अनुकूलन (distributionally robust optimization) समस्या को हल करके एक निश्चित बजट के तहत रीजनिंग और नॉन-रीजनिंग LLM जजों के बीच गतिशील रूप से चयन करने वाला एक सुदृढ़ अनुकूली रूटिंग ढांचा है, जिससे वितरण बदलावों (distribution shifts) को ध्यान में रखते हुए बेहतर सटीकता-लागत संतुलन प्राप्त होता है।

Wenbo Zhang, Lijinghua Zhang, Liner Xiang, Hengrui Cai2026-05-12
🤖 AI

PhyGround: Benchmarking Physical Reasoning in Generative World Models

यह शोध पत्र PhyGround को प्रस्तुत करता है, जो 250 क्यूरेटेड प्रॉम्प्ट्स, एक 13-नियम वर्गीकरण (taxonomy) और एक विशेषीकृत VLM जज (PhyJudge-9B) से युक्त एक व्यापक बेंचमार्क है, जो बड़े पैमाने पर, गुणवत्ता-नियंत्रित मानव एनोटेशन के माध्यम से जनरेटिव वीडियो मॉडल्स की भौतिक तर्क क्षमताओं का कठोरता से मूल्यांकन और निदान करता है।

Juyi Lin, Arash Akbari, Yumei He, Lin Zhao, Haichao Zhang, Arman Akbari, Xingchen Xu, Zoe Y. Lu, Enfu Nan, Hokin Deng, E (…)2026-05-12