🤖 Category

cs.AI

25186 पेपर

🤖 AI

Vibe Coding in Product Teams: Reconfiguring AI-Assisted Workflows, Prototyping, and Collaboration

उत्पाद टीमों के 22 सदस्यों के साक्षात्कारों के आधार पर, यह लेख इस बात का परीक्षण करता है कि कैसे "वाइब कोडिंग" (Vibe Coding) पुनरावृत्तियों (iterations) को गति देकर और भागीदारी की बाधाओं को कम करके उत्पाद विकास कार्यप्रवाहों को नया आकार देती है, जबकि साथ ही यह कोड की विश्वसनीयता, टीम के भीतर विश्वास, और दक्षता-संचालित प्रोटोटाइपिंग एवं चिंतनशील डिज़ाइन के बीच संतुलन के संबंध में महत्वपूर्ण तनाव भी उत्पन्न करती है।

Jie Li, Youyang Hou, Laura Lin, Ruihao Zhu, Hancheng Cao, Abdallah El Ali2026-05-04
🤖 AI

LLM DNA: Tracing Model Evolution via Functional Representations

यह योगदान "LLM DNA" प्रस्तुत करता है, जो एक गणितीय रूप से आधारित, प्रशिक्षण-मुक्त ढांचा है जो सैकड़ों लार्ज लैंग्वेज मॉडल्स के बीच अलेखित विकासवादी संबंधों का पता लगाने और फाइलोगेनेटिक ट्री (phylogenetic trees) बनाने के लिए निम्न-आयामी कार्यात्मक निरूपणों को निकालता है।

Zhaomin Wu, Haodong Zhao, Ziyang Wang, Jizhou Guo, Qian Wang, Bingsheng He2026-05-04
🤖 AI

Unlocking Zero-Shot Geospatial Reasoning via Indirect Rewards

यह शोध पत्र Geo-R1 को प्रस्तुत करता है, जो एक विजन-लैंग्वेज मॉडल है जो मेटाडेटा से स्केलेबल, सत्यापन योग्य अप्रत्यक्ष पुरस्कारों का लाभ उठाकर भू-स्थानिक डोमेन में पर्यवेक्षण की कमी को दूर करता है ताकि विविध बेंचमार्क पर पूर्णतः पर्यवेक्षित विशेषज्ञों से बेहतर सुदृढ़ ज़ीरो-शॉट तर्क (zero-shot reasoning) प्राप्त किया जा सके।

Chenhui Xu, Fuxun Yu, Michael J. Bianco, Jacob Kovarskiy, Raphael Tang, Qi Zhang, Zirui Xu, Will LeVine, Brandon Dubbs (…)2026-05-04
🤖 AI

Training-Free Time Series Classification via In-Context Reasoning with LLM Agents

यह शोध पत्र FETA को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) मल्टी-एजेंट फ्रेमवर्क है जो मल्टीवेरिएट डेटा को चैनल-वार उप-समस्याओं में विभाजित करने और बिना किसी पैरामीटर फाइन-ट्यूनिंग के कॉन्फिडेंस-वेटेड निर्णयों को फ्यूज करने के लिए लार्ज लैंग्वेज मॉडल्स के साथ एक्सेम्पलर-आधारित इन-कॉन्टेक्स्ट रीजनिंग का लाभ उठाकर प्रतिस्पर्धी टाइम सीरीज़ क्लासिफिकेशन सटीकता प्राप्त करता है।

Songyuan Sui, Zihang Xu, Xia Hu2026-05-04
💬 NLP

Learning from Supervision with Semantic and Episodic Memory: A Reflective Approach to Agent Adaptation

यह शोध पत्र एक मेमोरी-ऑगमेंटेड फ्रेमवर्क का प्रस्ताव करता है जो एजेंट की अनुकूलन क्षमता में सुधार करने और बिना पैरामीटर अपडेट के इन्फरेंस लागत को कम करने के लिए एपिसोडिक और सिमेंटिक मेमोरी में संग्रहीत LLM-जनरेटेड आलोचनाओं (critiques) का लाभ उठाता है, जबकि विभिन्न मॉडलों और डोमेनों में प्रदर्शन विविधताओं को समझाने के लिए एक "सजेस्टिबिलिटी" (suggestibility) मीट्रिक पेश करता है।

Jackson Hassell, Dan Zhang, Hannah Kim, Tom Mitchell, Estevam Hruschka2026-05-04
💬 NLP

PORTool: Importance-Aware Policy Optimization with Rewarded Tree for Multi-Tool-Integrated Reasoning

यह शोध पत्र PORTool को प्रस्तुत करता है, जो एक महत्व-जागरूक (importance-aware) नीति अनुकूलन एल्गोरिदम है जो शुद्धता और निष्पादन वैधता के आधार पर चरण-स्तरीय पुरस्कारों को निर्दिष्ट करने के लिए पुरस्कृत रोलआउट पेड़ों (rewarded rollout trees) का लाभ उठाता है, जिससे क्रेडिट-असाइनमेंट अस्पष्टता का समाधान होता है और मल्टी-टूल-एकीकृत तर्क एजेंटों की सटीकता और दक्षता दोनों में सुधार होता है।

Feijie Wu, Weiwu Zhu, Yuxiang Zhang, Soumya Chatterjee, Jiarong Zhu, Fan Mo, Rong Luo, Jing Gao2026-05-04
🤖 AI

LLM-Based Agentic Negotiation for 6G: Addressing Uncertainty Neglect and Tail-Event Risk

यह शोध पत्र 6G नेटवर्क के लिए एक जोखिम-सचेत, LLM-आधारित एजेंटिक नेगोशिएशन फ्रेमवर्क का प्रस्ताव करता है जो अनिश्चितता उपेक्षा पूर्वाग्रह (uncertainty neglect bias) को दूर करने के लिए डिजिटल ट्विन्स और कंडीशनल वैल्यू-एट-रिस्क (CVaR) का लाभ उठाता है, जिससे व्यवहार्य अनुमान गति (inference speeds) बनाए रखते हुए संसाधन आवंटन में SLA उल्लंघन और टेल-इवेंट जोखिमों को समाप्त किया जा सके।

Hatim Chergui, Farhad Rezazadeh, Mehdi Bennis, Merouane Debbah, Christos Verikoukis2026-05-04
💬 NLP

Evaluating Legal Reasoning Traces with Legal Issue Tree Rubrics

यह योगदान LEGIT को प्रस्तुत करता है, जो 24,000 विशेषज्ञ-स्तरीय कानूनी तर्क पथों का एक बड़े पैमाने का डेटासेट है जो पदानुक्रमित समस्या वृक्षों (hierarchical problem trees) के रूप में संरचित है और एक सुदृढ़ मूल्यांकन ढांचे के रूप में कार्य करता है ताकि यह आकलन और प्रदर्शन किया जा सके कि कैसे रिट्रीवल-ऑगमेंटेड जनरेशन (retrieval-augmented generation) और रीइन्फोर्समेंट लर्निंग (reinforcement learning) एलएलएम (LLMs) में कानूनी तर्क की कवरेज और शुद्धता को पूरक रूप से बढ़ा सकते हैं।

Jinu Lee, Kyoung-Woon On, Simeng Han, Arman Cohan, Julia Hockenmaier2026-05-04
🔬 materials science

AI-Driven Expansion and Application of the Alexandria Database

यह शोध पत्र एक नवीन AI-संचालित वर्कफ़्लो प्रस्तुत करता है जो 1.3 मिलियन DFT-सत्यापित यौगिकों और 14 मिलियन गैर-संतुलन (out-of-equilibrium) संरचनाओं के साथ ALEXANDRIA डेटाबेस का महत्वपूर्ण विस्तार करता है, जो स्थिर सामग्रियों की पहचान करने में 99% सफलता दर प्राप्त करते हुए यूनिवर्सल फोर्स फील्ड्स को प्रशिक्षित करने और कम्प्यूटेशनल सामग्री खोज को आगे बढ़ाने के लिए एक व्यापक डेटासेट प्रदान करता है।

Théo Cavignac (Research Center Future Energy Materials and Systems of the University Alliance Ruhr and ICAMS, Ruhr Unive (…)2026-05-04
🤖 AI

E-mem: Multi-agent based Episodic Context Reconstruction for LLM Agent Memory

E-mem एक मल्टी-एजेंट फ्रेमवर्क है जो विनाशकारी मेमोरी प्रीप्रोसेसिंग को एपिसोडिक कॉन्टेक्स्ट रिकंस्ट्रक्शन से बदल देता है, जिससे स्थानीय तर्क के लिए असिस्टेंट एजेंटों के एक पदानुक्रमित आर्किटेक्चर और वैश्विक योजना के लिए एक मास्टर एजेंट का उपयोग करके एलएलएम (LLM) एजेंटों को विस्तृत क्षितिजों पर कठोर तार्किक अखंडता बनाए रखने में सक्षम बनाया जाता है, जिससे LoCoMo बेंचमार्क पर बेहतर प्रदर्शन और दक्षता प्राप्त होती है।

Kaixiang Wang, Yidan Lin, Jiong Lou, Zhaojiacheng Zhou, Bunyod Suvonov, Jie Li2026-05-04