🤖 AI

ToE: A Hierarchical and Explainable Claim Verification Framework with Dynamic Multi-source Evidence Retrieval and Aggregation

यह शोध पत्र ToE को प्रस्तुत करता है, जो एक पदानुक्रमित और व्याख्या योग्य ढांचा है जो दावों को तर्क वृक्षों (argument trees) में गतिशील रूप से विघटित करता है और बहु-स्रोत साक्ष्य पुनर्प्राप्ति एवं एकत्रीकरण के लिए सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करता है, जिससे तथ्य-जांच की सटीकता में महत्वपूर्ण सुधार होता है—विशेष रूप से AI-जनित भ्रामक सूचनाओं के विरुद्ध—जबकि नीति अभिसरण (policy convergence) पर सैद्धांतिक गारंटी भी प्रदान करता है।

Zhaoqi Wang, Zijian Zhang, Kun Zheng, Zhen Li, Xin Li, Chunlei Li, Jiamou Liu2026-06-29
🤖 AI

End-to-End Dynamic Sparsity for Resource-Adaptive LLM Inference

यह शोध पत्र लर्निंग टू एलोकेट (L2A) का प्रस्ताव करता है, जो एक एंड-टू-एंड फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल्स को इनपुट की कठिनाई और वास्तविक समय के संसाधन संबंधी बाधाओं दोनों के आधार पर अपने कम्प्यूटेशनल फुटप्रिंट को गतिशील रूप से अनुकूलित करने में सक्षम बनाता है, जिससे बिना किसी अलग मॉडल ट्यूनिंग के दक्षता के एक विस्तृत पारेटो फ्रंटियर (Pareto frontier) में लगभग-डेंस सटीकता प्राप्त होती है।

Yuhang Chen, Jinhao Duan, Ruichen Zhang, Mingfu Liang, Xiaohan Wei, Yunchen Pu, Fei Tian, Chonglin Sun, Parish Aggarwal (…)2026-06-29
🤖 machine learning

Flexformer: Flexible Linear Transformer with Learnable Attention Kernel

फ्लेक्सफॉर्मर (Flexformer) एक लचीला लीनियर ट्रांसफॉर्मर है जो प्रशिक्षण योग्य स्पेक्ट्रल आवृत्तियों के माध्यम से पूरी तरह से डेटा-संचालित तरीके से अटेंशन कर्नेल सीखकर लंबी अनुक्रमों (sequences) के लिए अभिव्यंजना और स्केलेबिलिटी को बढ़ाता है, जो दक्षता और हस्तांतरणीयता बनाए रखते हुए लगातार बेसलाइनों से बेहतर प्रदर्शन करता है।

Haoran Zhang, Feng Zhou2026-06-29
🤖 AI

Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?

यह शोध पत्र ड्रॉप-देन-रिकवरी (DTR) प्रोटोकॉल और गेटप्रोब (GateProbe) मीट्रिक को पेश करता है ताकि यह प्रदर्शित किया जा सके कि विजन-लैंग्वेज-एक्शन मॉडल्स के लैंग्वेज बैकबोन में महत्वपूर्ण आर्किटेक्चरल रेडंडेंसी (अनावश्यकता) होती है, जिसे रोबोटिक मैनिपुलेशन कार्यों पर प्रदर्शन से समझौता किए बिना काफी हद तक हटाया जा सकता है, जो यह सुझाव देता है कि वर्तमान बेंचमार्क गहरी भाषाई ग्राउंडिंग क्षमताओं का पूरी तरह से लाभ नहीं उठा पा रहे हैं।

Guoheng Sun, Kaixi Feng, Shwai He, Xiaochuan Gong, Yexiao He, Ziyao Wang, Zheyu Shen, Wanghao Ye, Ramana Rao Kompella, G (…)2026-06-29
🤖 machine learning

RS-Diffuser: Risk-Sensitive Diffusion Planning with Distributional Value Guidance

यह शोध पत्र RS-Diffuser को प्रस्तुत करता है, जो एक जोखिम-संवेदनशील ऑफलाइन डिफ्यूजन प्लानिंग फ्रेमवर्क है जो डिस्ट्रीब्यूशनल वैल्यू क्रिटिक्स को टेल-अवेयर गाइडेंस के साथ एकीकृत करता है ताकि एक एकल मॉडल को लचीले ढंग से जोखिम-विमुख, तटस्थ, या जोखिम-खोजने वाले व्यवहार उत्पन्न करने में सक्षम बनाया जा सके, जबकि सुरक्षा-महत्वपूर्ण अनुप्रयोगों में मजबूती में सुधार और सुरक्षा उल्लंघनों को कम किया जा सके।

Shiqiang Gong2026-06-29
🤖 AI

Understanding Rollout Error in Graph World Models

यह शोध पत्र एक एकीकृत ढांचे और एक त्रुटि-जागरूक ग्राफ वर्ल्ड मॉडल (Error-Aware Graph World Model) को प्रस्तुत करता है जो टोपोलॉजी-प्रेरित (topology-induced) से मॉडल-प्रेरित (model-induced) त्रुटि प्रवर्धन को अलग करता है, यह प्रदर्शित करते हुए कि स्पेक्ट्रल रेगुलराइजेशन (spectral regularization) और क्रिटिकल-नोड वेटिंग (critical-node weighting) गतिशील ग्राफ वातावरणों में दीर्घ-क्षितिज विचलन (long-horizon divergence) को प्रभावी ढंग से रोकते हैं।

Xinyuan Song, Zekun Cai2026-06-29
🤖 AI

Improving Adversarial Robustness via Activation Amplification and Attenuation

यह शोध पत्र एक्टिवेशन एम्प्लीफिकेशन एंड एटेनुएशन (A3) को प्रस्तुत करता है, जो एक हल्का प्लग-इन मॉड्यूल है जो सीखने योग्य मापदंडों के माध्यम से न्यूरल नेटवर्क एक्टिवेशन्स को गतिशील रूप से रीस्केल करता है ताकि एम्प्लीफिकेशन मोड में भविष्यवाणियों को कमज़ोर करने और एटेनुएशन मोड में एडवरसैरियल रोबस्टनेस को बढ़ाने के कार्य को एक साथ पूरा किया जा सके, जिससे विभिन्न बैकबोन और डेटासेट्स पर नगण्य कम्प्यूटेशनल ओवरहेड के साथ निरंतर प्रदर्शन सुधार प्राप्त होता है।

Taïga Gonçalves, Yongsong Huang, Tomo Miyazaki, Shinichiro Omachi2026-06-29
💬 NLP

SHIFT: Gate-Modulated Activation Steering for Knowledge Conflict Mitigation in Retrieval-Augmented Generation

यह शोध पत्र SHIFT प्रस्तुत करता है, जो एक हल्का ढांचा (lightweight framework) है जो एक सीखने योग्य गेट मॉड्यूल (learnable gate module) का उपयोग करके आंतरिक सक्रियणों (internal activations) को अनुकूल रूप से नियंत्रित करता है, जिससे रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) में ज्ञान के संघर्षों को कम किया जा सके और मॉडल की सामान्य क्षमताओं से समझौता किए बिना रिट्रीव किए गए संदर्भ और पैरामीट्रिक ज्ञान के बीच के संघर्षों को हल किया जा सके।

Ruochang Li, Pengcheng Huang, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Yu Gu, Ge Yu, Maosong Sun2026-06-29
🤖 AI

Grounded Iterative Language Planning: How Parameterized World Models Reduce Hallucination Propagation in LLM Agents

यह शोध पत्र ग्राउंडेड इटरेटिव लैंग्वेज प्लानिंग (GILP) प्रस्तुत करता है, जो एक हाइब्रिड फ्रेमवर्क है जो एक छोटे पैरामीट्रिक वर्ल्ड मॉडल को एक LLM एजेंट के साथ जोड़ता है ताकि भ्रमित (hallucinated) स्टेट परिवर्तनों का पता लगाया जा सके और उन्हें सुधारा जा सके, जिससे ग्राफ-संरचित बेंचमार्क पर भ्रम की दर में काफी कमी आती है और प्लानिंग की सफलता में सुधार होता है।

Xinyuan Song, Zekun Cai2026-06-29
⚛️ quantum physics

Parameter-Efficient Quantum-Inspired Fast Weight Programmers for Traffic-Matrix Forecasting

यह शोध पत्र प्रदर्शित करता है कि एक पैरामीटर-कुशल, क्वांटम-प्रेरित फास्ट-वेट प्रोग्रामर (G-QKFWP), सख्त संसाधन बाधाओं के तहत ट्रैफिक मैट्रिक्स का पूर्वानुमान लगाने के लिए मैच्ड-साइज़ और बड़े LSTM बेसलाइन दोनों से बेहतर प्रदर्शन करता है, जो ऑनलाइन नेटवर्क नियंत्रण के लिए एक आशाजनक सटीकता-दक्षता डिज़ाइन स्थापित करता है।

Kuo-Chung Peng, Jiun-Cheng Jiang, Chun-Hua Lin, Tai-Yue Li, Nan-Yow Chen, Samuel Yen-Chi Chen2026-06-29