🤖 machine learning

Correcting Performance Estimation Bias in Imbalanced Classification with Minority Subconcepts

यह शोध पत्र प्रेडिक्टेड-वेटेड बैलेंस्ड एक्यूरेसी (pBA) को प्रस्तुत करता है, जो एक व्यावहारिक मूल्यांकन मीट्रिक है जो अनुपलब्ध वास्तविक सबकॉन्सेप्ट लेबल को अनुमानित पोस्टीरियर प्रोबेबिलिटीज (predicted posterior probabilities) से बदलकर असंतुलित वर्गीकरण में प्रदर्शन अनुमान पूर्वाग्रह को कम करता है ताकि विषम उप-जनसंख्याओं (heterogeneous subpopulations) में मॉडल के प्रदर्शन का अधिक स्थिर और व्याख्या योग्य मूल्यांकन प्रदान किया जा सके।

Taylor Maxson, Roberto Corizzo, Yaning Wu, Nathalie Japkowicz, Colin Bellinger2026-04-30
🤖 AI

Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital

यह शोध पत्र यह प्रदर्शित करता है कि ऑनचेन बाजारों में वास्तविक पूंजी का प्रबंधन करने वाले विश्वसनीय स्वायत्त भाषा-मॉडल एजेंट, बेस मॉडल की क्षमताओं पर कम और एक मजबूत ऑपरेटिंग लेयर पर अधिक निर्भर करते हैं जिसमें टाइप किए गए नियंत्रण (typed controls), नीति सत्यापन (policy validation) और निष्पादन गार्ड (execution guards) शामिल हैं, जिन्होंने सामूहिक रूप से निर्मित ट्रेडिंग नियमों जैसी महत्वपूर्ण विफलताओं को कम किया और एक बड़े पैमाने के 21-दिवसीय परिनियोजन (deployment) में उच्च सेटलमेंट सफलता को सक्षम किया।

T. J. Barton, Chris Constantakis, Patti Hauseman, Annie Mous, Alaska Hoffman, Brian Bergeron, Hunter Goodreau2026-04-30
🤖 AI

Distill-Belief: Closed-Loop Inverse Source Localization and Characterization in Physical Fields

यह शोध पत्र डिस्टिल-बिलीफ (Distill-Belief) का प्रस्ताव करता है, जो एक टीचर-स्टूडेंट फ्रेमवर्क है जो सख्त समय सीमाओं के तहत क्लोज्ड-लूप इनवर्स सोर्स लोकलाइजेशन और कैरेक्टराइजेशन को सक्षम करने के लिए बेयसियन इन्फरेंस की शुद्धता को कम्प्यूटेशनल दक्षता से अलग करता है और रिवॉर्ड हैकिंग को कम करता है।

Yiwei Shi, Zixing Song, Mengyue Yang, Cunjia Liu, Weiru Liu2026-04-30
🤖 machine learning

reward-lens: A Mechanistic Interpretability Library for Reward Models

यह शोध पत्र "reward-lens" का परिचय देता है, जो एक ओपन-सोर्स लाइब्रेरी है जो रिवॉर्ड हेड के वेट वेक्टर (weight vector) को एक केंद्रीय अक्ष के रूप में उपयोग करके रिवॉर्ड मॉडल्स के लिए मैकेनिस्टिक इंटरप्रिटेबिलिटी टूल्स को अनुकूलित करती है, यह प्रकट करते हुए कि लीनियर एट्रिब्यूशन विधियाँ कॉज़ल पैचिंग प्रभावों (causal patching effects) की भविष्यवाणी करने में विफल रहती हैं और इस प्रकार एक ऐसे ढांचे को प्रेरित करती हैं जो इस विसंगति को एक बग के बजाय एक मौलिक गुण के रूप में मानता है।

Mohammed Suhail B Nadaf2026-04-30
🤖 AI

A Data-Centric Framework for Intraoperative Fluorescence Lifetime Imaging for Glioma Surgical Guidance

यह शोध पत्र एक डेटा-केंद्रित एआई फ्रेमवर्क प्रस्तुत करता है जो फ्लोरोसेंस लाइफटाइम इमेजिंग का उपयोग करके वास्तविक समय में ग्लियोमा सर्जिकल मार्गदर्शन के लिए एक सुदृढ़ 96% सटीक मल्टी-क्लास क्लासिफायर प्राप्त करने हेतु शोरयुक्त हिस्टोपैथोलॉजिकल लेबल को परिष्कृत करने और ट्यूमर सेलुलैरिटी वर्गों को मिलाने के लिए कॉन्फिडेंट लर्निंग का उपयोग करता है।

Silvia Noble Anbunesan, Mohamed Abul Hassan, Jinyi Qi, Lisanne Kraft, Han Sung Lee, Orin Bloch, Laura Marcu2026-04-30
💬 NLP

Test-Time Safety Alignment

यह शोध पत्र प्रदर्शित करता है कि इनपुट वर्ड एम्बेडिंग्स (input word embeddings) को ज़ीरो-ऑर्डर ग्रेडिएंट एस्टीमेशन (zeroth-order gradient estimation) के माध्यम से अनुकूलित किया जा सकता है ताकि संरेखित भाषा मॉडलों (aligned language models) को हानिकारक इनकार या असुरक्षित आउटपुट से दूर ले जाया जा सके, जिससे मानक बेंचमार्क पर सुरक्षा-फ्लैग की गई प्रतिक्रियाओं को प्रभावी ढंग से निष्प्रभावी किया जा सके।

Baturay Saglam, Dionysis Kalogerias2026-04-30
🤖 machine learning

Entropy Centroids as Intrinsic Rewards for Test-Time Scaling

यह शोध पत्र "लोवेस्ट सेंट्रॉइड" (Lowest Centroid) का प्रस्ताव करता है, जो एक टेस्ट-टाइम स्केलिंग विधि है जो उच्च-एन्ट्रॉपी टोकन के टेम्पोरल क्लस्टरिंग पर आधारित एक "एन्ट्रॉपी सेंट्रॉइड" की गणना करके सर्वश्रेष्ठ मॉडल रिस्पॉन्स का चयन करती है, जो बिना किसी बाहरी रिवॉर्ड मॉडल की आवश्यकता के विभिन्न कार्यों और मॉडल स्केल्स पर मौजूदा बेसलाइनों की तुलना में निरंतर प्रदर्शन सुधार प्रदर्शित करती है।

Wenshuo Zhao, Qi Zhu, Xingshan Zeng, Fei Mi, Lifeng Shang, Yiren Feng2026-04-30
🤖 AI

Evergreen: Efficient Claim Verification for Semantic Aggregates

एवरग्रीन (Evergreen) एक कुशल प्रणाली है जो सिमेंटिक एग्रीगेट्स (semantic aggregates) में संभावित रूप से भ्रामक दावों को उसी इंजन पर निष्पादित होने वाली डिक्लेरेटिव क्वेरीज़ (declarative queries) में संकलित करके सत्यापित करती है, जो मौजूदा बेसलाइन्स की तुलना में उच्च सटीकता के साथ काफी कम लागत और विलंबता प्राप्त करने के लिए अनुकूलित अनुकूलन (tailored optimizations) और सेमिरिंग-आधारित प्रोवेनेंस (semiring-based provenance) का उपयोग करती है।

Alexander W. Lee, Benjamin Han, Shayak Sen, Sam Yeom, Ugur Cetintemel, Anupam Datta2026-04-30
💬 NLP

Option-Order Randomisation Reveals a Distributional Position Attractor in Prompted Sandbagging

यह पूर्व-पंजीकृत अध्ययन प्रदर्शित करता है कि 7-9 बिलियन पैरामीटर वाले मॉडलों में प्रेरित सैंडबैगिंग (sandbagging), स्थिति-ट्रैकिंग के बजाय विशिष्ट उत्तर स्थितियों (E/F/G) पर केंद्रित एक स्थिर, विषय-अपरिवर्तनीय वितरणल अट्रैक्टर (distributional attractor) के रूप में प्रकट होती है, जिसे विकल्प-क्रम रेंडमाइजेशन (option-order randomisation) के माध्यम से प्रकट किया गया है और एक नकारात्मक नियंत्रण मॉडल द्वारा मान्य किया गया है।

Jon-Paul Cacioli2026-04-30
💬 NLP

Breaking the Autoregressive Chain: Hyper-Parallel Decoding for Efficient LLM-Based Attribute Value Extraction

यह शोध पत्र हाइपर-पैरलल डिकोडिंग (HPD) प्रस्तुत करता है, जो आउटपुट अनुक्रमों की सशर्त स्वतंत्रता का लाभ उठाकर आउट-ऑफ़-ऑर्डर, समानांतर टोकन जनरेशन को सक्षम करने के लिए एक नवीन एल्गोरिदम है, जिससे एट्रिब्यूट वैल्यू एक्सट्रैक्शन जैसे कार्यों के लिए लार्ज लैंग्वेज मॉडल इन्फरेंस को गति मिलती है, और गुणवत्ता से समझौता किए बिना इन्फरेंस समय और लागत को 13.8X तक कम किया जाता है।

Theodore Glavas, Nikhita Vedula, Dushyanta Dhyani, Yilun Zhu, Shervin Malmasi2026-04-30