🤖 machine learning

On the Power of Foundation Models

यह योगदान श्रेणी सिद्धांत (category theory) का उपयोग करके यह दर्शाता है कि जहाँ प्रॉम्प्ट-आधारित शिक्षण (prompt-based learning) केवल प्रतिनिधित्व योग्य कार्यों तक ही सख्ती से सीमित है, वहीं फाइन-ट्यूनिंग के साथ एक पर्याप्त शक्तिशाली फाउंडेशन मॉडल सैद्धांतिक रूप से अपने प्रीट्रेनिंग कार्य द्वारा परिभाषित श्रेणी के भीतर किसी भी डाउनस्ट्रीम कार्य को हल कर सकता है और संरचनात्मक मानचित्रण (structural mapping) के माध्यम से अनदेखी वस्तुओं तक सामान्यीकरण कर सकता है।

Yang Yuan2026-04-27
🤖 AI

PoLO: Proof-of-Learning and Proof-of-Ownership at Once with Chained Watermarking

PoLO एक नवीन ढांचा है जो चेन्ड वॉटरमार्किंग के माध्यम से सीखने के प्रमाण (proof-of-learning) और स्वामित्व के प्रमाण (proof-of-ownership) को एक साथ प्रदान करता है, जिससे उच्च पहचान सटीकता और डेटा गोपनीयता प्राप्त होती है और साथ ही सत्यापन लागत में उल्लेखनीय कमी आती है और जालसाजी हमलों के विरुद्ध मजबूती बनी रहती है।

Haiyu Deng, Yanna Jiang, Guangsheng Yu, Qin Wang, Xu Wang, Baihe Ma, Wei Ni, Ren Ping Liu2026-04-27
🤖 AI

Vision-Based Risk Aware Emergency Landing for UAVs in Complex Urban Environments

यह शोध पत्र जटिल शहरी वातावरण में यूएवी (UAV) के लिए एक विज़न-आधारित, जोखिम-सचेत आपातकालीन लैंडिंग प्रणाली का प्रस्ताव करता है जो गतिशील बाधाओं और परिवर्तनशील प्रकाश व्यवस्था के बीच सुरक्षित लैंडिंग ज़ोन की पहचान करने के लिए सिमेंटिक सेगमेंटेशन और डायनेमिक रिस्क मैपिंग का उपयोग करता है, तथा वास्तविक दुनिया के परिदृश्यों में 90% से अधिक सफलता दर प्राप्त करता है।

Julio de la Torre-Vanegas, Miguel Soriano-Garcia, Israel Becerra, Diego Mercado-Ravell2026-04-27
🤖 AI

Pre-trained Large Language Models Learn Hidden Markov Models In-context

यह शोध पत्र प्रदर्शित करता है कि पूर्व-प्रशिक्षित बड़े भाषा मॉडल इन-कॉन्टेक्स्ट लर्निंग के माध्यम से हिडन मार्कोव मॉडल्स द्वारा उत्पन्न अनुक्रमों को प्रभावी ढंग से सीख और अनुमानित कर सकते हैं, जो सिंथेटिक डेटा पर लगभग इष्टतम सटीकता और वास्तविक दुनिया के पशु निर्णय लेने वाले कार्यों पर प्रतिस्पर्धी प्रदर्शन प्राप्त करते हुए, जटिल वैज्ञानिक डेटा में छिपी संरचनाओं को उजागर करने के लिए ICL को एक शक्तिशाली उपकरण के रूप में स्थापित करते हैं।

Yijia Dai, Zhaolin Gao, Yahya Sattar, Sarah Dean, Jennifer J. Sun2026-04-27
🤖 AI

Can Large Language Models Adequately Perform Symbolic Reasoning Over Time Series?

यह शोध पत्र SymbolBench प्रस्तुत करता है, जो वास्तविक दुनिया के टाइम सीरीज़ डेटा पर प्रतीकात्मक तर्क (symbolic reasoning) करने की लार्ज लैंग्वेज मॉडल्स (LLMs) की क्षमता का मूल्यांकन करने के लिए एक व्यापक बेंचमार्क है, और एक एकीकृत ढांचे का प्रस्ताव करता है जो स्वचालित वैज्ञानिक खोज को बढ़ाने के लिए LLMs को जेनेटिक प्रोग्रामिंग के साथ एकीकृत करता है।

Zewen Liu, Juntong Ni, Xianfeng Tang, Max S. Y. Lau, Qi He, Wenpeng Yin, Wei Jin2026-04-27
💬 NLP

UR2^2: Unify RAG and Reasoning through Reinforcement Learning

UR2^2 एक सामान्य सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक कठिनाई-जागरूक पाठ्यक्रम (difficulty-aware curriculum) और एक हाइब्रिड ज्ञान एक्सेस रणनीति का उपयोग करके विविध डोमेन में रिट्रीवल (retrieval) और रीजनिंग (reasoning) को गतिशील रूप से समन्वित करके रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) और जटिल तर्क को एकीकृत करता है।

Weitao Li, Boran Xiang, Xiaolong Wang, Zhinan Gou, Weizhi Ma, Yang Liu2026-04-27
💬 NLP

Learning from Natural Language Feedback for Personalized Question Answering

यह शोध पत्र VAC को प्रस्तुत करता है, जो एक नया फ्रेमवर्क है जो कमजोर स्केलर रिवॉर्ड्स के स्थान पर समृद्ध, सुधारात्मक प्राकृतिक भाषा फीडबैक का उपयोग करके बड़े भाषा मॉडलों (LLMs) को पुनरावृत्ति से फाइन-ट्यून करता है, जिससे व्यक्तिगत प्रश्न उत्तर (personalized question answering) में सुधार होता है।

Alireza Salemi, Hamed Zamani2026-04-27
🤖 AI

Test-Time Matching: Unlocking Compositional Reasoning in Multimodal Models

यह शोध पत्र टेस्ट-टाइम मैचिंग (TTM) को प्रस्तुत करता है, जो एक पुनरावृत्ति स्व-सुधार एल्गोरिदम है जो एक नवीन ग्रुप मैचिंग स्कोर के माध्यम से मूल्यांकन संबंधी विसंगतियों को ठीक करता है और मल्टीमॉडल मॉडलों की कंपोजिशनल रीजनिंग क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है, जिससे वे प्रमुख बेंचमार्क पर पिछले स्टेट-ऑफ-द-आर्ट और अनुमानित मानव प्रदर्शन को भी पीछे छोड़ने में सक्षम होते हैं।

Yinglun Zhu, Jiancheng Zhang, Fuzhi Tang2026-04-27
🤖 AI

Agentic Inequality

यह शोध पत्र "एजेंटिक असमानता" (agentic inequality) की अवधारणा प्रस्तुत करता है—जो स्वायत्त एआई एजेंटों तक असमान पहुँच से उत्पन्न शक्ति और अवसर की विषमताएं हैं—और एक ऐसा ढांचा प्रदान करता है जिसका उपयोग यह विश्लेषण करने के लिए किया जा सके कि उनकी स्केलेबल प्रतिनिधि (scalable delegates) के रूप में कार्य करने की अनूठी क्षमता मौजूदा सामाजिक-आर्थिक विभाजनों को या तो बढ़ा सकती है या कम कर सकती है।

Matthew Sharp, Omer Bilgin, Iason Gabriel, Lewis Hammond2026-04-27
🤖 AI

OREN: Octree Residual Network for Real-Time Euclidean Signed Distance Mapping

OREN एक हाइब्रिड पुनर्निर्माण विधि है जो पॉइंट क्लाउड्स से कुशल, स्केलेबल और डिफरेंशिएबल नॉन-ट्रंकेटेड यूक्लिडियन साइन्ड डिस्टेंस फंक्शन (ESDF) मैपिंग प्राप्त करने के लिए ऑक्ट्री इंटरपोलेशन को न्यूरल नेटवर्क रिग्रेशन के साथ जोड़ती है।

Zhirui Dai, Qihao Qian, Tianxing Fan, Nikolay Atanasov2026-04-27