🤖 Category

cs.AI

21916 पेपर

🤖 AI

Beyond But-for Test: Counterfactual Explanation in Abstract Argumentation via Actual Causality (Extended Version)

यह शोधपत्र अमूर्त तर्कसंगतता (abstract argumentation) के लिए एक हस्तक्षेप-आधारित प्रतितथ्यात्मक तर्क (counterfactual reasoning) ढांचे को प्रस्तुत करता है जो तर्क की स्वीकृति को समीकरणों के रूप में कूटबद्ध करके और प्रीएम्प्शन (preemption) एवं ओवरडिटरमिनेशन (overdetermination) जैसी जटिल स्थितियों में सटीक कारणों की पहचान करने के लिए हालपर्न-पर्ल कार्य-कारणता (Halpern-Pearl causality) को लागू करके पारंपरिक 'बट-फॉर' (but-for) परीक्षण की सीमाओं को दूर करता है।

Siyi Liu, Muyun Shao, Beishui Liao2026-07-01
🤖 AI

DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction

DDIAgents एक नवीन मैकेनिज्म-कंडीशन्ड मल्टी-एजेंट फ्रेमवर्क है जो प्रासंगिक ज्ञान को रूट करने और व्याख्यात्मक तर्क उत्पन्न करने के लिए विशिष्ट विशेषज्ञ एजेंटों को गतिशील रूप से ऑर्केस्ट्रेट करके ड्रग-ड्रग इंटरेक्शन प्रेडिक्शन को बढ़ाता है, जो यथार्थवादी बेंचमार्क पर मौजूदा बेसलाइन्स से लगातार बेहतर प्रदर्शन करता है।

Zhenqian Shen, Yu Liu, Xiaoyi Fu, Quanming Yao2026-07-01
💬 NLP

When Reranking Hurts: Uncertainty-Based Gating for Few-Shot Reranking

यह शोध पत्र इस धारणा को चुनौती देता है कि रीरैंकिंग (reranking) हमेशा फ्यू-शॉट प्रदर्शन में सुधार करती है, और एक प्रशिक्षण-मुक्त, अनिश्चितता-आधारित गेटिंग तंत्र का प्रस्ताव करता है जो कम्प्यूटेशनल लागत को 15%–80% तक कम करने के साथ-साथ औसत प्रदर्शन को 2% तक सुधारने के लिए उदाहरणों को चुनिंदा रूप से रीरैंक करता है।

Orian Dabod, Amir Cohen, Gabriel Stanovsky2026-07-01
🤖 machine learning

What Probing Reveals about Autonomous Driving: Linking Internal Prediction Errors to Ego Planning

यह शोध पत्र पूर्वानुमान और नियोजन क्षमताओं की जांच करके स्वायत्त ड्राइविंग नीतियों (autonomous driving policies) के आंतरिक तर्क की जांच करता है, जिससे यह पता चलता है कि मजबूत क्लोज्ड-लूप प्रदर्शन के बावजूद, कई मॉडल वास्तविक भविष्य कहने वाले संकेतों के बजाय भंगुर ह्यूरिस्टिक्स (brittle heuristics) पर निर्भर करते हैं, जिसे कारण संबंधी हस्तक्षेपों (causal interventions) के माध्यम से सुधारा जा सकता है।

Hyeonchang Jeon, Kyungbeom Kim, Eugene Vinitsky, Kyung-Joong Kim2026-07-01
🤖 AI

Revealing Safety-Critical Scenarios for UTM via Transformer

यह शोध पत्र एक ट्रांसफॉर्मर-आधारित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो अनमैन्ड ट्रैफिक मैनेजमेंट (UTM) भेद्यता खोज को एक अनुक्रम मॉडलिंग समस्या के रूप में मॉडल करता है, जो लक्षित सुरक्षा-महत्वपूर्ण परिदृश्यों और एज केसों को उत्पन्न करके विशेषज्ञ-निर्देशित परीक्षण की तुलना में दक्षता में 8 गुना सुधार प्राप्त करता है।

Huaze Tang, Bill Zeng, Chao Wang, Zhenpeng Shi, Qian Zhang, Wenbo Ding2026-07-01
🤖 AI

The Past Is Prologue: A Plug-in Controller for Selective Updates in Sequentially Evolving LLM Memory

यह शोधपत्र जानस (Janus) को प्रस्तुत करता है, जो एक विधि-अज्ञेय (method-agnostic) प्लग-इन नियंत्रक है जो संदिग्ध विचलन का पता लगाकर और एक संक्षिप्त हाइब्रिड कार्य सेट पर उम्मीदवारों का मूल्यांकन करके क्रमिक रूप से विकसित होने वाली एलएलएम (LLM) मेमोरी को चुनिंदा रूप से अपडेट करता है, जिससे उपयोगी ज्ञान के अधिलेखन (overwriting) को रोका जा सके और विविध डेटासेटों में समग्र सटीकता में सुधार किया जा सके।

Zihan Chen, Songwei Dong, Chengshuai Shi, Peng Wang, Song Wang, Cong Shen, Jundong Li2026-07-01
🤖 AI

Scenario Generation for Testing of Autonomous Driving Systems Using Real-World Failure Records

यह शोध पत्र एक मॉड्यूलर, LLM-आधारित पाइपलाइन का प्रस्ताव करता है जो प्राकृतिक भाषा वाले ऐतिहासिक विफलता रिकॉर्ड (विशेष रूप से NHTSA क्रैश डेटा) को स्वायत्त ड्राइविंग सिस्टम के लिए विविध, यथार्थवादी परीक्षण परिदृश्यों में परिवर्तित करता है, जो मेटाड्राइव सिम्युलेटर पर एक सीमित परीक्षण बजट के भीतर सिस्टम विफलताओं की सफलतापूर्वक पहचान करता है।

Anjali Parashar, Chuchu Fan2026-07-01
🤖 AI

Beyond the Library: An Agentic Framework for Autoformalizing Research Mathematics

यह शोध पत्र एक एजेंटिक फ्रेमवर्क प्रस्तुत करता है जो सामान्य-उद्देश्य वाले कोडिंग LLMs द्वारा संचालित है, जो नए गणितीय अवधारणाओं को संभालने में स्थिर पुस्तकालयों (static libraries) की सीमाओं को पार करने के लिए मौजूदा गणितीय पुस्तकालयों का गतिशील रूप से विस्तार करता है ताकि PutnamBench और STOC पेपर्स जैसे स्रोतों से अनुसंधान-स्तरीय प्रमेयों को सफलतापूर्वक ऑटोफॉर्मलाइज़ और सिद्ध किया जा सके।

Arshia Soltani Moakhar, Iman Gholami, Max Springer, Mahdi JafariRaviz, MohammadTaghi Hajiaghayi2026-07-01
💬 NLP

PruneGround: Plug-and-play Spatial Pruning for 3D Visual Grounding

PruneGround एक प्लग-एंड-प्ले फ्रेमवर्क है जो 3D विजुअल ग्राउंडिंग के लिए, अप्रासंगिक स्थानिक क्षेत्रों को छाँटने के लिए एक फ्रोजन विजन लैंग्वेज मॉडल का उपयोग करके, मल्टी-व्यू रीजनिंग के माध्यम से विवरणों को पुनर्गठित करके, और कम किए गए खोज स्थान के भीतर सटीक स्थानीयकरण के लिए एक स्थानिक LLM का लाभ उठाकर सटीकता और दक्षता में सुधार करता है।

Duc Cao Dinh, Khai Le-Duc, Florent Draye, Chris Ngo, Terry Jingchen Zhang, Bernhard Schölkopf, Zhijing Jin2026-07-01
🤖 machine learning

PPT-Eval: A Benchmark for Computer-Use Agents on PowerPoint Tasks

यह शोध पत्र PPT-Eval प्रस्तुत करता है, जो कंप्यूटर-उपयोग एजेंटों के मूल्यांकन के लिए डिज़ाइन किए गए 120 पावरपॉइंट कार्यों का एक बेंचमार्क है, जिसमें एक नवीन रूब्रिक-आधारित ढांचा शामिल है जो आंशिक प्रगति को कैप्चर करता है और मानव निर्णय के साथ दृढ़ता से सह-संबंधित है ताकि यह प्रकट किया जा सके कि वर्तमान फ्रंटियर मॉडल अभी भी जटिल प्रेजेंटेशन संपादन में संघर्ष कर रहे हैं।

Apurva Gandhi, Vishwas Suryanarayanan, Raja Hasnain Anwar, Firoz Shaik, Shubhang Desai, Thong Q. Nguyen, Muhammad Taqi R (…)2026-07-01