cs.AI

Gradient-based inverse lithography for EUV masks via the waveguide method and a physics-informed neural operator

यह शोध पत्र EUV मास्क के लिए एक ग्रेडिएंट-आधारित इनवर्स लिथोग्राफी फ्रेमवर्क प्रस्तुत करता है जो अनुकूलतम एब्जॉर्बर परमिटिविटी (permittivity) को स्वचालित रूप से रिकवर करने के लिए डिफरेंशिएबल वेवगाइड विधियों और वेवगाइड न्यूरल ऑपरेटर्स को एंड-टू-एंड फिजिक्स इंजन के रूप में एकीकृत करता है, जो सफलतापूर्वक ऐसे मास्क स्ट्रक्चर उत्पन्न करता है जो 11.2 nm पर यथार्थवादी 2D और 3D सामग्रियों के लिए वांछित वेफर फील्ड्स प्राप्त करते हैं।

Uncertainty Quantification for Computer-Use Agents: A Benchmark across Vision-Language Models and GUI Grounding Datasets

OncoSynth: Synthetic data generation for treatment effect estimation in oncology

OncoSynth एक नवीन, कॉज़ली-अवेयर (causally-aware) डिफ्यूजन-आधारित फ्रेमवर्क है जो डेटा गोपनीयता प्रतिबंधों को दूर करने के लिए उच्च-सटीकता वाले सिंथेटिक ऑन्कोलॉजी कोहॉर्ट्स उत्पन्न करता है, जो मौजूदा तरीकों की तुलना में जनसंख्या- और रोगी-स्तर के उपचार प्रभाव अनुमान दोनों की सटीकता में महत्वपूर्ण रूप से सुधार करता है।

Space-Efficient Language Generation in the Limit

यह शोध पत्र भाषा उत्पादन के सीमांत (limit) में एक संसाधन-जागरूक सिद्धांत स्थापित करता है, जो यह प्रदर्शित करता है कि जहाँ घातांकीय (exponential) स्थान DFA भाषाओं की सटीक पहचान की अनुमति देता है, वहीं बहुपद (polynomial) स्थान एक सिद्ध रूप से सीमित जनरेशन अंतराल (generation gap) वाली परिकल्पनाओं को उत्पन्न करने के लिए पर्याप्त है, जिसके साथ एक निकट-मिलान वाला निचला स्तर (lower bound) भी संलग्न है जो इन मेमोरी व्यवस्थाओं के बीच के तीक्ष्ण संक्रमण को अभिलक्षणित करता है।

Do Encoders Suffice? A Systematic Comparison of Encoder and Decoder Safety Judges for LLM Adversarial Evaluation

यह शोध पत्र व्यवस्थित रूप से इस बात का मूल्यांकन करता है कि क्या फाइन-ट्यून्ड मॉडर्नबर्ट (ModernBERT) एनकोडर क्लासिफायर, हानिकारक एलएलएम (LLM) आउटपुट की पहचान करने के लिए महंगे एलएलएम-आधारित जजों के लागत-कुशल और विलंबता-कुशल विकल्पों के रूप में कार्य कर सकते हैं, जो विभिन्न प्रतिकूल हमले तकनीकों और बेंचमार्क डेटासेटों में उनकी विश्वसनीयता को प्रदर्शित करता है।

AI Snitches Get Glitches: Towards Evading Agentic Surveillance

यह शोध पत्र "एजेंटिक सर्विलांस" (agentic surveillance) की अवधारणा प्रस्तुत करता है, जहाँ AI एजेंट उपयोगकर्ता की गतिविधियों की निगरानी और रिपोर्ट करते हैं, कॉर्पोरेट, शिक्षा और पुलिस डोमेन में इन जोखिमों का मूल्यांकन करने के लिए 'सर्वेलबेंच' (SurveilBench) डेटासेट प्रस्तुत करता है, और इस प्रकार की निगरानी से बचने के लिए प्रॉम्प्ट इंजेक्शन तकनीकों का प्रस्ताव देता है और व्यापक सुरक्षात्मक ढाँचों का आह्वान करता है।

Edges Before Embeddings: A Confidence-Aware Blur Gate for Vision-Language Pipelines

यह शोध पत्र MagikaDocumentFromPixel को प्रस्तुत करता है, जो एक हल्का, CPU-कुशल इमेज क्वालिटी गेट है, जो डाउनस्ट्रीम विजन-लैंग्वेज प्रोसेसिंग से पहले धुंधले इनपुट्स को फ़िल्टर करने के लिए एक एज प्रायर मॉड्यूल द्वारा संवर्धित कॉन्फिडेंस-अवेयर ब्लर डिटेक्शन रणनीति का उपयोग करके उच्च सटीकता (F1=0.9803) प्राप्त करता है, जिससे अप्राप्य कार्यों पर व्यर्थ कंप्यूट को रोका जा सके।

AutoRelAnnotator: Calibrated Model Cascades for Cost-Efficient Relevance Evaluation in Sponsored Search

यह शोध पत्र AutoRelAnnotator का प्रस्ताव करता है, जो एक लागत-कुशल प्रणाली है जो प्रायोजित खोज (sponsored search) के लिए बड़े पैमाने पर उच्च गुणवत्ता वाले प्रासंगिकता एनोटेशन (relevance annotations) उत्पन्न करने के लिए डोमेन-विशिष्ट फाइन-ट्यूनिंग, एक कैस्केडिंग आर्किटेक्चर और प्रति-वर्ग आइसोटोनिक अंशांकन (per-class isotonic calibration) को जोड़ता है, जिसने सफलतापूर्वक 15 करोड़ से अधिक क्वेरीज़ को संसाधित किया है और मानव लेबलिंग लागत एवं कंप्यूट खर्चों को काफी कम कर दिया है।

Measurable Majorities Are Not Finitely Axiomatizable

यह शोध पत्र यह सिद्ध करके कि कोई भी सीमित परिमित खंड मॉस-पेडर्सन सुसंगतता मानदंड (Moss-Pedersen coherence criterion) का स्थान नहीं ले सकता है, क्योंकि लघुतम सुसंगतता उल्लंघन (coherence violation) की लंबाई अनिश्चित रूप से लंबी हो सकती है, यह प्रमाणित करता है कि परिमित सामाजिक निर्णय ढांचों (finite social decision frames) में सख्त बहुमत तर्क (strict majority reasoning) को परिमित रूप से स्वयंसिद्ध (finitely axiomatizable) नहीं किया जा सकता है।

Pulmonary Embolism Risk Stratification from CTPA and Medical Records: Vascular Graphs Are Not All You Need

यह अध्ययन प्रदर्शित करता है कि वैस्कुलर ट्री (vascular tree) निरूपणों पर उन्नत ग्राफ न्यूरल नेटवर्क का उपयोग करने के बावजूद, पल्मोनरी एम्बोलिज्म (pulmonary embolism) जोखिम स्तरीकरण केवल मेडिकल रिकॉर्ड और कार्डिएक बायोमार्कर का उपयोग करके सबसे प्रभावी ढंग से प्राप्त किया जाता है, क्योंकि वैस्कुलर ग्राफ फीचर्स अतिरिक्त विभेदक मूल्य प्रदान करने में विफल रहते हैं।