🤖 Category

cs.AI

24888 पेपर

🤖 AI

TRACE: Distilling Where It Matters via Token-Routed Self On-Policy Alignment

यह शोध पत्र TRACE का प्रस्ताव करता है, जो एक टोकन-रूटेड सेल्फ-डिस्टिलेशन विधि है जो सत्यापन योग्य पुरस्कारों (verifiable rewards) के साथ सुदृढीकरण शिक्षण (reinforcement learning) के दौरान एनोटेटर द्वारा चिह्नित महत्वपूर्ण स्पैन (critical spans) पर चुनिंदा रूप से KL डाइवर्जेंस लागू करती है, जिससे ग्रेडिएंट बर्बादी और विशेषाधिकार प्राप्त सूचना रिसाव (privileged-information leakage) को कम किया जाता है, जिससे मानक GRPO और फुल-रिस्पॉन्स सेल्फ-डिस्टिलेशन बेसलाइनों की तुलना में लॉन्ग-हॉरइजन मैथ रीजनिंग और आउट-ऑफ-डिस्ट्रीब्यूशन जनरलाइजेशन में महत्वपूर्ण सुधार होता है।

Jiaxuan Wang, Xuan Ouyang, Zhiyu Chen, Yulan Hu, Zheng Pan, Xin Li, Lan-Zhe Guo2026-05-12
🤖 machine learning

Empty SPACE: Cross-Attention Sparsity for Concept Erasure in Diffusion Models

यह शोध पत्र SPACE का प्रस्ताव करता है, जो एक मेमोरी-कुशल विधि है जो बड़े पैमाने के डिफ्यूजन मॉडल्स से विशिष्ट अवधारणाओं को प्रभावी ढंग से मिटाने के लिए क्रॉस-अटेंशन मापदंडों में पुनरावृत्ति से स्पर्सिटी (sparsity) उत्पन्न करती है, जबकि प्रतिकूल प्रॉम्प्ट्स (adversarial prompts) के विरुद्ध मजबूती बनाए रखती है।

Nicola Novello, Andrea M. Tonello2026-05-12
🤖 AI

HeteroGenManip: Generalizable Manipulation For Heterogeneous Object Interactions

HeteroGenManip एक कार्य-सशर्त (task-conditioned), दो-चरणीय ढांचा है जो संपर्क बिंदु स्थानीयकरण (contact point localization) को इंटरेक्शन प्रक्षेपवक्र योजना (interaction trajectory planning) से अलग करके विषम वस्तुओं के लिए सामान्यीकरण योग्य रोबोटिक हेरफेर को बढ़ाता है, जो फाउंडेशन-मॉडल-निर्देशित ग्रैस्पिंग और एक मल्टी-मॉडल डिफ्यूजन पॉलिसी का उपयोग करके सिमुलेशन और वास्तविक दुनिया दोनों परिदृश्यों में महत्वपूर्ण प्रदर्शन लाभ प्राप्त करता है।

Zhenhao Shen, Zeming Yang, Yue Chen, Yuran Wang, Shengqiang Xu, Mingleyang Li, Hao Dong, Ruihai Wu2026-05-12
🤖 AI

To Redact, or not to Redact? A Local LLM Approach to Deliberative Process Privilege Classification

यह शोध पत्र प्रदर्शित करता है कि चेन-ऑफ-थॉट और त्रुटि-आधारित फ्यू-शॉट प्रॉम्पटिंग के साथ उन्नत एक स्थानीय, उपभोक्ता-श्रेणी का LLM (Qwen3.5 9B), क्लाउड-आधारित API के लिए एक कानूनी और राजनीतिक रूप से व्यवहार्य विकल्प प्रदान करते हुए, वाणिज्यिक मॉडलों के समान प्रदर्शन के साथ प्रभावी रूप से FOIA छूट 5 डेलिब्रेटिव प्रोसेस प्रिविलेज को वर्गीकृत कर सकता है।

Maik Larooij, David Graus2026-05-12
🤖 AI

Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution

यह शोध पत्र डायनेमिक टियर्ड एजेंटरनर (Dynamic Tiered AgentRunner) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जिसे जोखिम-अनुकूलित संसाधन आवंटन, पृथक एजेंटों के साथ शक्तियों के पृथक्करण वाली वास्तुकला और वर्तमान स्वायत्त एजेंट प्रणालियों में शासन की कमी को दूर करने के लिए एक विफलता-सहनशील सत्यापन लूप को लागू करके एंटरप्राइज एआई सुरक्षा और लचीलेपन को बढ़ाने के लिए डिज़ाइन किया गया है।

Kai Pan, Rong Hou2026-05-12
🤖 machine learning

When Does Non-Uniform Replay Matter in Reinforcement Learning?

यह शोध पत्र रिप्ले वॉल्यूम (replay volume), अपेक्षित नवीनता (expected recency) और सैंपलिंग एंट्रॉपी (sampling entropy) को ऑफ-पॉलिसी सुदृढीकरण शिक्षण (off-policy reinforcement learning) में नॉन-यूनिफॉर्म रिप्ले की प्रभावशीलता को नियंत्रित करने वाले प्रमुख कारकों के रूप में पहचानता है, जो यह प्रदर्शित करता है कि एक सरल ट्रंकेटेड जियोमेट्रिक (Truncated Geometric) रणनीति कम-वॉल्यूम वाले परिदृश्यों में सैंपल दक्षता में महत्वपूर्ण सुधार करती है और उच्च-वॉल्यूम सेटिंग्स में भी प्रतिस्पर्धी बनी रहती है।

Michal Korniak, Mikołaj Czarnecki, Yarden As, Piotr Miłoś, Pieter Abbeel, Michal Nauman2026-05-12
🤖 AI

Towards Autonomous Railway Operations: A Semi-Hierarchical Deep Reinforcement Learning Approach to the Vehicle Rescheduling Problem

यह शोध पत्र एक अर्ध-पदानुक्रमित (semi-hierarchical) डीप रिइन्फोर्समेंट लर्निंग दृष्टिकोण प्रस्तावित करता है जो रेलवे नेटवर्क में वाहन पुनर्गठन समस्या (Vehicle Rescheduling Problem) को प्रभावी ढंग से हल करने के लिए डिस्पैचिंग को रूटिंग से अलग करता है, जो मौजूदा ह्यूरिस्टिक और मोनोलिथिक आरएल (RL) विधियों की तुलना में काफी बेहतर समन्वय, संसाधन उपयोगिता और मजबूती प्रदर्शित करता है।

Alberto Castagna, Stefan Zahlner, Adrian Egli, Christian Eichenberger, Daniel Boos, Manuel Meyer, Anton Fuxjager2026-05-12
🤖 AI

MemReread: Enhancing Agentic Long-Context Reasoning via Memory-Guided Rereading

MemReread एक मेमोरी-गाइडेड फ्रेमवर्क है जो एजेंटिक लॉन्ग-कॉन्टेक्स्ट रीजनिंग को तब बेहतर बनाता है जब प्रारंभिक मेमोरी अपर्याप्त होती है, जिससे यह प्रश्न विघटन (question decomposition) और रीरीडिंग पासेस को ट्रिगर करता है, जिससे हटाए गए साक्ष्यों को पुनः प्राप्त किया जा सके और लीनियर टाइम कॉम्प्लेक्सिटी बनाए रखते हुए नॉन-लीनियर रीजनिंग को समर्थन दिया जा सके।

Baibei Ji, Xiaoyang Weng, Juntao Li, Zecheng Tang, Yihang Lou, Min Zhang2026-05-12
🤖 machine learning

DP-LAC: Lightweight Adaptive Clipping for Differentially Private Federated Fine-tuning of Language Models

यह शोध पत्र DP-LAC को पेश करता है, जो भाषा मॉडलों के डिफरेंशियल प्राइवेट फेडरेटेड फाइन-ट्यूनिंग के लिए एक हल्का (लाइटवेट) तरीका है, जो बिना किसी अतिरिक्त गोपनीयता लागत या हाइपरपैरामीटर ट्यूनिंग के क्लिपिंग थ्रेशोल्ड का कुशलतापूर्वक अनुमान लगाता है और उसे अनुकूलित करता है, जिससे मौजूदा दृष्टिकोणों की तुलना में 6.6% सटीकता में सुधार होता है।

Haaris Mehmood, Jie Xu, Karthikeyan Saravanan, Rogier Van Dalen, Mete Ozay2026-05-12✓ Author reviewed ⓘ
💰 quantitative finance

Generative AI Fuels Solo Entrepreneurship, but Teams Still Lead at the Top

जहाँ जनरेटिव एआई ने एकल उद्यमियों के लिए प्रवेश की बाधाओं को काफी कम कर दिया है, जिससे प्रायोगिक उत्पाद लॉन्च में उछाल आया है, वहीं टीम-आधारित उद्यम उच्च-गुणवत्ता वाले परिणामों पर अपना प्रभुत्व बनाए हुए हैं।

Hyunso Kim, Hyo Kang, Jaeyong Song2026-05-12