🤖 Category

cs.AI

28854 पेपर

💬 प्राकृतिक भाषा प्रसंस्करण

ActuBench: A Multi-Agent LLM Pipeline for Generation and Evaluation of Actuarial Reasoning Tasks

यह शोध पत्र ActuBench को प्रस्तुत करता है, जो एक मल्टी-एजेंट LLM पाइपलाइन है जो IAA पाठ्यक्रम के अनुरूप उन्नत बीमांकिक (एक्चुअरियल) तर्क कार्यों के सृजन और मूल्यांकन को स्वचालित करता है, यह प्रदर्शित करते हुए कि स्वतंत्र सत्यापन आइटम की गुणवत्ता में महत्वपूर्ण सुधार करता है और यह भी प्रकट करता है कि स्थानीय रूप से होस्ट किए गए ओपन-वेट्स मॉडल बेहतर लागत-प्रदर्शन व्यापार-संबंधों (कॉस्ट-परफॉर्मेंस ट्रेड-ऑफ) की पेशकश करते हैं और शीर्ष-स्तरीय मॉडल क्षमताओं को सटीक रूप से विभेदित करने के लिए ओपन-एंडेड मूल्यांकन आवश्यक है।

Jan-Philipp Schmidt2026-04-23
💻 संगणक विज्ञान

FSFM: A Biologically-Inspired Framework for Selective Forgetting of Agent Memory

यह शोधपत्र FSFM को प्रस्तुत करता है, जो LLM एजेंटों में चयनात्मक विस्मृति (selective forgetting) के लिए एक जैविक रूप से प्रेरित ढांचा है, जो बुद्धिमान मेमोरी प्रूनिंग और सक्रिय विलोपन के माध्यम से दक्षता, सामग्री की गुणवत्ता और सुरक्षा को बढ़ाने के लिए संज्ञानात्मक तंत्रिका विज्ञान (cognitive neuroscience) के सिद्धांतों का लाभ उठाता है।

Yingjie Gu, Bo Xiong, Yijuan Guo, Chao Li, Xiaojing Zhang, Liqiang Wang, Pengcheng Ren, Qi Sun, Jingyao Ma, Shidang Shi2026-04-23
🔬 सामग्री विज्ञान

LLM-guided phase diagram construction through high-throughput experimentation

यह अध्ययन प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) टर्नरी फेज डायग्राम्स (ternary phase diagrams) के निर्माण के लिए हाई-थ्रूपुट प्रयोगों को प्रभावी ढंग से निर्देशित कर सकते हैं, जिसमें एक डोमेन-विशिष्ट LLM जटिल आंतरिक चरणों (interior phases) की खोज करने में उत्कृष्ट है और एक सामान्य-उद्देश्य वाला LLM एक पाठ्यपुस्तक जैसे दृष्टिकोण के माध्यम से चरणों की एक व्यापक श्रेणी की कुशलतापूर्वक पहचान करता है।

Ryo Tamura, Haruhiko Morito, Yuna Oikawa, Guillaume Deffrennes, Shoichi Matsuda, Naruki Yoshikawa, Tomoaki Takayama, Tai (…)2026-04-23
💬 प्राकृतिक भाषा प्रसंस्करण

Surrogate modeling for interpreting black-box LLMs in medical predictions

यह शोध पत्र एक सरोगेट मॉडलिंग फ्रेमवर्क प्रस्तावित करता है जो चिकित्सा भविष्यवाणियों में ब्लैक-बॉक्स लार्ज लैंग्वेज मॉडल्स के अंतर्निहित ज्ञान का अनुमान लगाने और उसका मात्रात्मक रूप से व्याख्या करने के लिए व्यापक प्रॉम्पटिंग का उपयोग करता है, जो सुरक्षित मॉडल परिनियोजन का समर्थन करने के लिए स्थापित चिकित्सा ज्ञान के विरोधाभासों और वैज्ञानिक रूप से खंडित नस्लीय पूर्वाग्रहों की निरंतरता, दोनों को सफलतापूर्वक प्रकट करता है।

Changho Han (Medical Big Data Research Center, Seoul National University Medical Research Center, Seoul National Univers (…)2026-04-23
💻 संगणक विज्ञान

A Vision-Language-Action Model for Adaptive Ultrasound-Guided Needle Insertion and Needle Tracking

यह शोध पत्र एक रोबोटिक अल्ट्रासाउंड प्रणाली के लिए एक विजन-लैंग्वेज-एक्शन (VLA) मॉडल प्रस्तावित करता है जो एक नवीन क्रॉस-डेप्थ फ्यूजन ट्रैकिंग हेड और एक अनसर्टेन्टी-अवेयर पॉलिसी के माध्यम से नीडल ट्रैकिंग और एडेप्टिव इंसर्शन कंट्रोल को एकीकृत करता है, जो अत्याधुनिक विधियों और मैनुअल ऑपरेशन की तुलना में बेहतर सटीकता, सफलता दर और दक्षता प्रदर्शित करता है।

Yuelin Zhang, Qingpeng Ding, Longxiang Tang, Chengyu Fang, Shing Shin Cheng2026-04-23
💻 संगणक विज्ञान

Benefits of Low-Cost Bio-Inspiration in the Age of Overparametrization

यह शोध पत्र यह प्रदर्शित करता है कि सीमित इनपुट-आउटपुट स्पेस वाले रोबोट नियंत्रण कार्यों में, कम पैरामीटर्स वाले जैव-प्रेरित नियंत्रक, जैसे कि शैलो एमएलपी (shallow MLPs) और डेंसली कनेक्टेड सीपीजी (CPGs), अक्सर ओवरपैरामीटराइज्ड डीप लर्निंग आर्किटेक्चर से बेहतर प्रदर्शन करते हैं, जो यह सुझाव देता है कि इन सीमित संदर्भों में इवोल्यूशनरी स्ट्रैटेजीज़, रिइन्फोर्समेंट लर्निंग की तुलना में अधिक प्रभावी हैं।

Kevin Godin-Dubois, Anil Yaman, Anna V. Kononova2026-04-23
💻 संगणक विज्ञान

LaplacianFormer:Rethinking Linear Attention with Laplacian Kernel

LaplacianFormer एक ट्रांसफॉर्मर वेरिएंट है जो उच्च-रिज़ॉल्यूशन वाले विज़न कार्यों के लिए बेहतर प्रदर्शन-दक्षता ट्रेड-ऑफ प्राप्त करने हेतु सॉफ्टमैक्स अटेंशन को एक सैद्धांतिक रूप से पुष्ट लैप्लासियन कर्नेल (Laplacian kernel) से बदल देता है, जिसे एक इंजेक्टिव फीचर मैप और कुशल न्यूटन-शुलज़-आधारित निस्ट्रॉम (Newton–Schulz-based Nyström) सन्निकटन द्वारा उन्नत किया गया है।

Zhe Feng, Sen Lian, Changwei Wang, Muyang Zhang, Tianlong Tan, Rongtao Xu, Weiliang Meng, Xiaopeng Zhang2026-04-23
💻 संगणक विज्ञान

Onyx: Cost-Efficient Disk-Oblivious ANN Search

ओनिक्स (Onyx) एक लागत-कुशल, डिस्क-ओब्लिवियस (disk-oblivious) अनुमानित निकटतम पड़ोसी (Approximate Nearest Neighbor - ANN) खोज प्रणाली है जो पारंपरिक डिज़ाइन ट्रेड-ऑफ को उलटते हुए, एक बैंडविड्थ-कुशल ANN लेयर के साथ सक्रिय छंटनी (proactive pruning) और एक लोकैलिटी-अवेयर (locality-aware) ORAM लेयर का उपयोग करके विलंबता (latency) और लागत में महत्वपूर्ण कमी प्राप्त करती है, जिससे डिस्क एक्सेस पैटर्न और तीसरे पक्ष के बुनियादी ढांचे पर बैंडविड्थ खपत दोनों को न्यूनतम किया जा सके।

Deevashwer Rathee, Jean-Luc Watson, Zirui Neil Zhao, G. Edward Suh, Raluca Ada Popa2026-04-23
💻 संगणक विज्ञान

Semantic Recall for Vector Search

यह शोध पत्र "सिमेंटिक रिकॉल" (Semantic Recall) का परिचय देता है, जो अनुमानित निकटतम पड़ोसी खोज (approximate nearest neighbor search) के मूल्यांकन के लिए एक नया मीट्रिक है जो अप्रासंगिक पड़ोसियों को छोड़ने के लिए एल्गोरिदम को दंडित करने से बचने के लिए केवल अर्थपूर्ण रूप से प्रासंगिक वस्तुओं पर ध्यान केंद्रित करता है, साथ ही "टॉलरेंट रिकॉल" (Tolerant Recall) नामक एक प्रॉक्सी मीट्रिक भी प्रस्तुत करता है, जो यह प्रदर्शित करता है कि इन मापों के लिए अनुकूलन करना पारंपरिक रिकॉल की तुलना में बेहतर लागत-गुणवत्ता ट्रेड-ऑफ प्रदान करता है।

Leonardo Kuffo, Ioanna Tsakalidou, Roberta De Viti, Albert Angel, Jiří Iša, Rastislav Lenhardt2026-04-23
💻 संगणक विज्ञान

Mythos and the Unverified Cage: Z3-Based Pre-Deployment Verification for Frontier-Model Sandbox Infrastructure

यह शोध पत्र COBALT को प्रस्तुत करता है, जो एक Z3-आधारित औपचारिक सत्यापन इंजन (formal verification engine) है जो काल्पनिक 2026 मिथोस (Mythos) घटना जैसे सैंडबॉक्स एस्केप्स को रोकने के लिए C/C++ इंफ्रास्ट्रक्चर में अंकगणितीय कमजोरियों का पता लगाता है, और साथ ही एक चार-स्तरीय रोकथाम ढांचे (four-layer containment framework) का प्रस्ताव देता है ताकि यह सुनिश्चित किया जा सके कि फ्रंटियर-मॉडल सुरक्षा केवल व्यवहार संबंधी सुरक्षा उपायों के बजाय सत्यापित इंफ्रास्ट्रक्चर पर निर्भर करती है।

Dominik Blain2026-04-23