🤖 Category

cs.AI

28108 पेपर

💻 computer science

Less Is More: Engineering Challenges of On-Device Small Language Model Integration in a Mobile Application

यह शोध पत्र एक प्रोडक्शन एंड्रॉइड ऐप में ऑन-डिवाइस स्मॉल लैंग्वेज मॉडल्स को एकीकृत करने के एक अनुदैर्ध्य केस स्टडी (longitudinal case study) को प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि यह व्यवहार्य है, सफल एकीकरण के लिए एक व्यावहारिक वास्तुशिल्प परिवर्तन की आवश्यकता होती है जहाँ LLM की जिम्मेदारियों को न्यूनतम किया जाता है और आउटपुट उल्लंघन और लेटेंसी जैसी विशिष्ट इंजीनियरिंग चुनौतियों से निपटने के लिए मजबूत रक्षात्मक रणनीतियों को नियोजित किया जाता है।

William Oliveira2026-04-28
💻 computer science

DepthKV: Layer-Dependent KV Cache Pruning for Long-Context LLM Inference

DepthKV एक नवीन लेयर-डिपेंडेंट KV कैश प्रूनिंग फ्रेमवर्क है जो परतों की व्यक्तिगत प्रूनिंग संवेदनशीलता के आधार पर एक निश्चित वैश्विक मेमोरी बजट को गतिशील रूप से आवंटित करके लॉन्ग-कॉन्टेक्स्ट LLM इन्फरेंस को अनुकूलित करता है, जिससे यह पारंपरिक यूनिफॉर्म प्रूनिंग विधियों से बेहतर प्रदर्शन करता है।

Zahra Dehghanighobadi, Asja Fischer2026-04-28
🔬 physics

Information bottleneck for learning the phase space of dynamics from high-dimensional experimental data

यह शोधपत्र DySIB (डायनामिकल सिमेट्रिक इंफॉर्मेशन बॉटलनेक) प्रस्तुत करता है, जो एक ऐसी विधि है जो अवलोकन पुनर्निर्माण (observation reconstruction) की आवश्यकता के बिना, एक लेटेंट स्पेस में भविष्य कहनेवाला पारस्परिक सूचना (predictive mutual information) को अधिकतम करके उच्च-आयामी प्रयोगात्मक डेटा से व्याख्या योग्य, निम्न-आयामी गतिशील अवस्था चर (dynamical state variables) को पुनर्प्राप्त करती है।

K. Michael Martini, Eslam Abdelaleem, Paarth Gulati, Ilya Nemenman2026-04-28
🤖 machine learning

The Price of Agreement: Measuring LLM Sycophancy in Agentic Financial Applications

यह शोधपत्र एजेंटिक वित्तीय एलएलएम (LLM) अनुप्रयोगों में चापलूसी (sycophancy) की जांच करता है, यह पाते हुए कि जहाँ मॉडल प्रत्यक्ष उपयोगकर्ता विरोधाभासों के प्रति अप्रत्याशित लचीलापन दिखाते हैं, वहीं वे अक्सर तब विफल हो जाते हैं जब उन्हें ऐसी उपयोगकर्ता प्राथमिकताएं प्रस्तुत की जाती हैं जो सही उत्तरों के साथ संघर्ष करती हैं, और इसके बाद यह इनपुट फ़िल्टरिंग जैसे रिकवरी तरीकों का बेंचमार्क करता है।

Zhenyu Zhao, Aparna Balagopalan, Adi Agrawal, Dilshoda Yergasheva, Waseem Alshikh, Daniel M. Bikel2026-04-28
💻 computer science

Leveraging LLMs for Multi-File DSL Code Generation: An Industrial Case Study

BMW का यह औद्योगिक केस स्टडी यह प्रदर्शित करता है कि रिपॉजिटरी पदानुक्रमों के एक संरचित, पथ-संरक्षण (path-preserving) JSON प्रतिनिधित्व के साथ कोड-उन्मुख LLMs को फाइन-ट्यून करना, सटीक, बहु-फ़ाइल DSL आर्टिफ़ेक्ट्स उत्पन्न करने के लिए बेसलाइन प्रॉम्प्टिंग और वन-शॉट लर्निंग की तुलना में काफी बेहतर प्रदर्शन करता है जो डाउनस्ट्रीम कोड जनरेशन को संचालित करते हैं।

Sivajeet Chand, Kevin Nguyen, Peter Kuntz, Alexander Pretschner2026-04-28
💻 computer science

Governing What You Cannot Observe: Adaptive Runtime Governance for Autonomous AI Agents

यह शोध पत्र सूचनात्मक व्यवहार्यता सिद्धांत (Informational Viability Principle) और रिस्कगेट (RiskGate) ढांचे का प्रस्ताव करता है, जो ऑबिन के व्यवहार्यता सिद्धांत (Aubin's viability theory) पर आधारित है, ताकि अनपेक्षित जोखिमों की सीमाओं का अनुमान लगाकर और व्यवहार विचलन (behavior drift) एवं प्रतिकूल अनुकूलन (adversarial adaptation) के बावजूद सुरक्षा सुनिश्चित करने के लिए एकदिष्ट प्रतिबंधों (monotonic restrictions) को लागू करके स्वायत्त एआई एजेंटों के लिए अनुकूली रनटाइम गवर्नेंस को सक्षम बनाया जा सके।

German Marin, Jatin Chaudhary2026-04-28
💻 computer science

Can Current Agents Close the Discovery-to-Application Gap? A Case Study in Minecraft

यह शोध पत्र SciCrafter को प्रस्तुत करता है, जो रेडस्टोन सर्किट कार्यों के माध्यम से डिस्कवरी-टू-एप्लीकेशन लूप (खोज-से-अनुप्रयोग चक्र) पर AI एजेंटों का मूल्यांकन करने वाला एक माइनक्राफ्ट-आधारित बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान फ्रंटियर मॉडल मुख्य रूप से ज्ञान अनुप्रयोग की सीमाओं के कारण 26% की सफलता दर पर स्थिर हो गए हैं, और उन्नत प्रणालियों के लिए उभरती हुई बाधा अब ज्ञान के अंतराल को पहचानने और सही समस्याओं को तैयार करने की क्षमता की ओर स्थानांतरित हो रही है।

Zhou Ziheng, Huacong Tang, Jinyuan Zhang, Haowei Lin, Bangcheng Yang, Qian Long, Fang Sun, Yizhou Sun, Yitao Liang, Ying (…)2026-04-28
💻 computer science

Green Shielding: A User-Centric Approach Towards Trustworthy AI

यह शोध पत्र "ग्रीन शील्डिंग" (Green Shielding) प्रस्तुत करता है, जो CUE मानदंडों और HealthCareMagic-Diagnosis बेंचमार्क का उपयोग करने वाला एक उपयोगकर्ता-केंद्रित ढांचा है, जो यह प्रदर्शित करता है कि कैसे उपयोगकर्ता प्रॉम्प्ट में नियमित, गैर-प्रतिकूल परिवर्तन चिकित्सा निदान में लार्ज लैंग्वेज मॉडल के आउटपुट को व्यवस्थित रूप से बदलते हैं, जिससे विश्वसनीय AI परिनियोजन को निर्देशित करने के लिए आउटपुट की संभाव्यता (plausibility) और सुरक्षा-महत्वपूर्ण कवरेज के बीच महत्वपूर्ण ट्रेड-ऑफों का अनावरण होता है।

Aaron J. Li, Nicolas Sanchez, Hao Huang, Ruijiang Dong, Jaskaran Bains, Katrin Jaradeh, Zhen Xiang, Bo Li, Feng Liu, Aar (…)2026-04-28
💻 computer science

Defective Task Descriptions in LLM-Based Code Generation: Detection and Analysis

यह शोध पत्र SpecValidator को प्रस्तुत करता है, जो एक हल्का, फाइन-ट्यून्ड क्लासिफायर है जो LLM-आधारित कोड जनरेशन को बेहतर बनाने के लिए दोषपूर्ण कार्य विवरणों (जैसे शाब्दिक अस्पष्टता, अपर्याप्त विवरण और सिंटैक्स त्रुटियों) का प्रभावी ढंग से पता लगाता है, जो बड़े मॉडलों से बेहतर प्रदर्शन करता है और यह प्रकट करता है कि दोष सहिष्णुता मॉडल क्षमता की तुलना में विवरण की गुणवत्ता और प्रकार पर अधिक निर्भर करती है।

Amal Akli, Mike Papadakis, Maxime Cordy, Yves Le Traon2026-04-28
💻 computer science

Case-Specific Rubrics for Clinical AI Evaluation: Methodology, Validation, and LLM-Clinician Agreement Across 823 Encounters

यह शोध पत्र 823 मुठभेड़ों (encounters) में नैदानिक AI प्रणालियों के मूल्यांकन के लिए एक केस-विशिष्ट, चिकित्सक-लिखित रूब्रिक पद्धति प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जहाँ विशेषज्ञ रूब्रिक्स एक उच्च-गुणवत्ता वाला आधारभूत स्तर स्थापित करते हैं, वहीं LLM-जनित रूब्रिक्स लगभग 1,000 गुना कम लागत पर तुलनीय सहमति प्राप्त कर सकते हैं, जिससे स्केलेबल और आर्थिक रूप से व्यवहार्य पुनरावृत्ति AI परिनियोजन सक्षम होता है।

Aaryan Shah, Andrew Hines, Alexia Downs, Denis Bajet, Paulius Mui, Fabiano Araujo, Laura Offutt, Aida Rutledge, Elizabet (…)2026-04-28