🤖 Category

cs.AI

23087 पेपर

💻 computer science

From Memorization to Parameter Interference: How Overtraining Experts Harms Model Merging

यह शोध पत्र इस धारणा को चुनौती देता है कि व्यक्तिगत प्रदर्शन के लिए विशेषज्ञ मॉडलों को अनुकूलित करना डाउनस्ट्रीम मॉडल मर्जिंग (model merging) को लाभान्वित करता है, बल्कि यह प्रदर्शित करता है कि ओवरट्रेनिंग से रटने (memorization) और नकारात्मक पैरामीटर हस्तक्षेप (negative parameter interference) की स्थिति उत्पन्न होती है जो मर्ज किए गए प्रदर्शन को कम कर देती है, एक ऐसी समस्या जिसे कार्य-निर्भर अर्ली स्टॉपिंग (task-dependent early stopping) द्वारा प्रभावी ढंग से कम किया जा सकता है।

Stefan Horoi, Guy Wolf, Eugene Belilovsky, Gintare Karolina Dziugaite2026-06-19
🤖 AI

MEAL: A Benchmark for Continual Multi-Agent Reinforcement Learning

यह शोध पत्र MEAL को प्रस्तुत करता है, जो निरंतर मल्टी-एजेंट सुदृढीकरण सीखने (continual multi-agent reinforcement learning) के लिए पहला बेंचमार्क है, जो 100 कार्यों के लंबे अनुक्रमों पर कुशलतापूर्वक प्रशिक्षित करने के लिए JAX और GPU त्वरण का लाभ उठाता है, जिससे उन विफलता मोड का अनावरण होता है जो छोटे, पारंपरिक अध्ययनों में अदृश्य रहते हैं।

Tristan Tomilin, Luka van den Boogaard, Samuel Garcin, Constantin Ruhdorfer, Bram Grooten, Fabrice Kusters, Yali Du, And (…)2026-06-19
💻 computer science

Enhancing Fatigue Detection through Heterogeneous Multi-Source Data Integration and Cross-Domain Modality Imputation

यह शोध पत्र एक परिनियोजन-उन्मुख ढांचे का प्रस्ताव करता है जो क्रॉस-डोमेन मोडैलिटी इम्प्यूटेशन के माध्यम से उच्च-सटीकता वाले स्रोत डोमेनों से ज्ञान का लाभ उठाकर वास्तविक दुनिया के थकान पता लगाने की प्रक्रिया को बढ़ाता है, जो प्रभावी रूप से व्यावहारिक सेटिंग्स में शोर वाले या अपूर्ण सेंसर डेटा की सीमाओं को दूर करता है।

Luobin Cui, Yanlai Wu, Tang Ying, Weikai Li2026-06-19
🤖 AI

Recovering Diagnostic Value: Super-Resolution-Aided Echocardiographic Classification in Resource-Constrained Imaging

यह अध्ययन प्रदर्शित करता है कि निम्न-गुणवत्ता वाले 2D इकोकार्डियोग्राम पर डीप लर्निंग-आधारित सुपर-रिज़ॉल्यूशन तकनीकों, विशेष रूप से SRResNet को लागू करने से व्यू (view) और कार्डिएक फेज़ (cardiac phase) कार्यों के लिए वर्गीकरण सटीकता में महत्वपूर्ण सुधार होता है, जिससे नैदानिक मूल्य की पुनर्प्राप्ति होती है और संसाधन-सीमित परिवेशों में प्रभावी AI-सहायता प्राप्त देखभाल सक्षम होती है।

Krishan Agyakari Raja Babu, Om Prabhu, Annu, Mohanasankar Sivaprakasam2026-06-19
💻 computer science

When Cars Have Stereotypes: Auditing Demographic Bias in Objects from Text-to-Image Models

यह शोध पत्र SODA को प्रस्तुत करता है, जो टेक्स्ट-टू-इमेज मॉडल्स के ऑब्जेक्ट जनरेशन में जनसांख्यिकीय पूर्वाग्रह (demographic bias) के ऑडिटिंग के लिए एक नया फ्रेमवर्क है, जो यह प्रकट करता है कि तटस्थ प्रॉम्प्ट (neutral prompts) स्पष्ट रूप से मध्यम आयु वर्ग के श्वेत जनसांख्यिकी का पक्ष लेते हैं जबकि जनसांख्यिकीय संकेत (demographic cues) अत्यधिक रूढ़िवादिता को ट्रिगर करते हैं और वर्तमान डिबायसिंग तकनीकें अक्सर केवल एक रूढ़िवादिता को दूसरी से बदल देती हैं।

Dasol Choi, Jihwan Lee, Minjae Lee, Minsuk Kahng2026-06-19
💻 computer science

Surrogate Benchmarks for Model Merging Optimization

यह शोध पत्र कम लागत वाले सरोगेट बेंचमार्क पेश करता है जो निर्मित मॉडलों का उपयोग करके हाइपरपैरामीटर से मर्ज किए गए मॉडल के प्रदर्शन की भविष्यवाणी करते हैं, जिससे पूर्ण-स्तरीय प्रयोगों के बिना मॉडल मर्जिंग के लिए हाइपरपैरामीटर अनुकूलन एल्गोरिदम के कुशल विकास और तुलना को सक्षम बनाया जा सके।

Rio Akizuki, Yuya Kudo, Nozomu Yoshinari, Yoichi Hirose, Toshiyuki Nishimoto, Kento Uchida, Shinichi Shirakawa2026-06-19
🤖 AI

RoboSSM: Scalable In-context Imitation Learning via State-Space Models

यह शोध पत्र RoboSSM को प्रस्तुत करता है, जो एक स्केलेबल इन-कॉन्टेक्स्ट इमिटेशन लर्निंग फ्रेमवर्क है जो LIBERO बेंचमार्क के भीतर लॉन्ग-होराइजन और अनदेखे कार्यों पर लीनियर-टाइम इन्फरेंस और बेहतर सामान्यीकरण प्राप्त करने के लिए ट्रांसफॉर्मर्स को Longhorn स्टेट-स्पेस मॉडल से बदल देता है।

Youngju Yoo, Jiaheng Hu, Yifeng Zhu, Bo Liu, Qiang Liu, Roberto Martín-Martín, Peter Stone2026-06-19
💻 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