🤖 Category

cs.AI

22650 पेपर

💻 computer science

Probing Semantic Alignment, Lexical Invariance, and Syntactic Influence in LLM Metaphor Processing

यह शोध पत्र रूपक (metaphor) कार्यों में बड़े भाषा मॉडल (large language models) के मजबूत व्यवहार संबंधी प्रदर्शन को प्रकट करने के लिए अर्थगत संरेखण (semantic alignment), शाब्दिक अपरिवर्तनीयता (lexical invariance) और वाक्यात्मक संवेदनशीलता (syntactic sensitivity) के नैदानिक विश्लेषणों का उपयोग करता है, जो यह सुझाव देता है कि जबकि ये मॉडल उत्कृष्ट प्रदर्शन प्राप्त करते हैं, उनकी अंतर्निहित प्रणालियाँ अर्थगत विचलन (semantic drift) और प्रासंगिक पूर्वाग्रह (contextual biases) प्रदर्शित करती हैं, जिससे यह संकेत मिलता है कि बेंचमार्क की सफलता अनिवार्य रूप से सुदृढ़, एकीकृत अर्थगत समझ के समान नहीं है।

Fengying Ye, Shanshan Wang, Lidia S. Chao, Derek F. Wong2026-06-19
💻 computer science

The Personalization Trap: How User Memory Alters Emotional Reasoning in LLMs

यह शोध पत्र यह प्रकट करता है कि बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में उपयोगकर्ता की स्मृति को शामिल करना भावनात्मक तर्क और सहायक अनुशंसाओं को विशेषाधिकार प्राप्त जनसांख्यिकीय प्रोफाइलों की ओर व्यवस्थित रूप से पक्षपाती बना सकता है, जिससे एआई वैयक्तिकरण (एआई पर्सनलाइजेशन) में सामाजिक असमानताएं समाहित हो जाती हैं, और इन विसंगतियों को कम करने के लिए एक प्राथमिकता डेटासेट का प्रस्ताव करता है।

Xi Fang, Weijie Xu, Yuchong Zhang, Stephanie Eckman, Scott Nickleach, Chandan K. Reddy2026-06-19
💻 computer science

R2BC: Multi-Agent Imitation Learning from Single-Agent Demonstrations

यह शोध पत्र राउंड-रॉबिन बिहेवियर क्लोनिंगिंग (R2BC) को प्रस्तुत करता है, जो एक विधि है जो एक एकल मानव ऑपरेटर को व्यक्तिगत एजेंटों पर क्रमवार कार्यों का प्रदर्शन करके मल्टी-रोबोट प्रणालियों को प्रभावी ढंग से प्रशिक्षित करने में सक्षम बनाती है, जिससे सिंक्रोनाइज्ड मल्टी-एजेंट प्रदर्शन की आवश्यकता वाले दृष्टिकोणों के तुलनीय या बेहतर प्रदर्शन प्राप्त होता है।

Connor Mattson, Varun Raveendra, Ellen Novoseller, Nicholas Waytowich, Vernon J. Lawhern, Daniel S. Brown2026-06-19
💬 NLP

MENTOR: Reinforcement Learning via Flexible Teacher-Optimized Rewards for Tool-Use Distillation

यह शोध पत्र MENTOR का प्रस्ताव करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो सुपरवाइज्ड फाइन-ट्यूनिंग की सामान्यीकरण सीमाओं और सख्त प्रक्षेपवक्र मिलान (trajectory matching) की बाधाओं को दूर करने के लिए एक लचीले, प्रक्रिया-जागरूक पुरस्कार संरचना का उपयोग करके बड़े भाषा मॉडलों से टूल-उपयोग क्षमताओं को छोटे भाषा मॉडलों में संकुचित (distill) करता है।

ChangSu Choi, Hoyun Song, Dongyeon Kim, WooHyeon Jung, Minkyung Cho, Sunjin Park, NohHyeob Bae, Seona Yu, KyungTae Lim2026-06-19
🤖 machine learning

Beyond Reasoning Gains: Mitigating General-Capability Forgetting in Large Reasoning Models

यह शोध पत्र RECAP को प्रस्तुत करता है, जो एक एंड-टू-एंड रिप्ले रणनीति है जिसमें डायनेमिक ऑब्जेक्टिव रीवेटिंग (dynamic objective reweighting) शामिल है, जो सुदृढीकरण शिक्षण (reinforcement learning) के साथ प्रशिक्षित बड़े रीजनिंग मॉडल्स में सामान्य-क्षमता विस्मृति (general-capability forgetting) को प्रभावी ढंग से कम करती है और साथ ही लचीले रिवॉर्ड ट्रेड-ऑफ के माध्यम से रीजनिंग प्रदर्शन को बढ़ाती है।

Hoang Phan, Xianjun Yang, Yuanshun Yao, Jingyu Zhang, Shengjie Bi, Xiaocheng Tang, Madian Khabsa, Lijuan Liu, Deren Lei2026-06-19
🤖 AI

Human-Level Reasoning: A Comparative Study of Large Language Models on Logical and Abstract Reasoning

यह अध्ययन आठ कस्टम-डिज़ाइन किए गए प्रश्नों का उपयोग करके नौ प्रमुख लार्ज लैंग्वेज मॉडल्स की तार्किक और अमूर्त तर्क क्षमताओं का मानव प्रदर्शन के विरुद्ध मूल्यांकन और तुलना करता है, जो मॉडल्स की निगमनात्मक क्षमताओं में महत्वपूर्ण अंतराल को प्रकट करता है।

Benjamin Grando Moreira2026-06-19
💻 computer science

An In-depth Study of LLM Contributions to the Bin Packing Problem

यह शोध पत्र इस दावे को चुनौती देता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) बिन पैकिंग समस्या में गणितीय खोज को महत्वपूर्ण रूप से आगे बढ़ाते हैं, यह प्रदर्शित करते हुए कि उनके द्वारा उत्पन्न ह्यूरिस्टिक्स (heuristics) अपारदर्शी हैं और समस्या के उदाहरण वास्तव में इतने सरल हैं कि उन्हें अधिक कुशल, व्याख्या योग्य और सामान्यीकरण योग्य एल्गोरिदम द्वारा हल किया जा सकता है, जिससे LLM-जनित वैज्ञानिक योगदानों के कठोर सत्यापन की आवश्यकता पर प्रकाश पड़ता है।

Julien Herrmann, Guillaume Pallez2026-06-19
💻 computer science

RippleBench: Capturing Ripple Effects Using Existing Knowledge Repositories

यह शोध पत्र रिपलबेंच (RippleBench) को प्रस्तुत करता है, जो एक स्वचालित पाइपलाइन है जो भाषा मॉडल अनलर्निंग के "रिपल प्रभावों" (ripple effects) को मापने के लिए मौजूदा ज्ञान भंडारों का लाभ उठाता है, जिससे यह पता चलता है कि संबंधित अवधारणाओं पर प्रदर्शन में गिरावट अनलर्निंग पद्धति का एक सुसंगत गुण है न कि मूल मॉडल का।

Roy Rinberg, Usha Bhalla, Igor Shilov, Flavio P. Calmon, Rohit Gandikota2026-06-19
🤖 AI

Creativity Reconsidered: Generative AI and the Problem of Intentional Agency

यह शोध पत्र तर्क देता है कि रचनात्मकता के लिए एक आवश्यक आवश्यकता के रूप में 'इरादतन एजेंसी स्थिति' (Intentional Agency Condition) को त्याग दिया जाना चाहिए, और इसके बजाय 'रचनात्मक क्षमता' (creative ability) का प्रस्ताव देता है, जो एक ऐसा ढांचा है जो कथित इरादतनता के महत्व को सुरक्षित रखते हुए जनरेटिव एआई (generative AI) के रचनात्मक आउटपुट को समाहित करता है।

James S. Pearson, Matthew J. Dennis, Marc Cheong2026-06-19
🤖 AI

Bi-Anchor Interpolation Solver for Accelerating Generative Modeling

यह शोध पत्र बायो-एंकर इंटरपोलेशन सॉल्वर (BA-solver) का प्रस्ताव करता है, जो एक हल्का और प्रशिक्षण-कुशल तरीका है जो एक फ्रोजन बैकबोन को एक छोटे साइडनेट (SideNet) के साथ जोड़कर फ्लो मैचिंग जनरेशन को तेज करता है, ताकि बहुमुखीता से समझौता किए बिना या अत्यधिक प्रशिक्षण लागत उठाए बिना मात्र 5-10 न्यूरल फंक्शन इवैल्यूएशन में उच्च-निष्ठा वाला संश्लेषण प्राप्त किया जा सके।

Hongxu Chen, Hongxiang Li, Zhen Wang, Long Chen2026-06-19