🤖 AI

A Negative Result on Cross-Model Activation Transfer in a Pythia Multi-Hop Setting

यह शोधपत्र एक नकारात्मक परिणाम प्रस्तुत करता है जो यह दर्शाता है कि, पाइथिया (Pythia) मॉडलों के बीच उच्च प्रतिनिधिक संरेखण (representational alignment) प्राप्त करने के बावजूद, अनुमान के समय (inference time) अनुवादित हिडन एक्टिवेशन्स को सीधे इंजेक्ट करना मल्टी-हॉप रीजनिंग प्रदर्शन में सुधार करने में विफल रहता है और अक्सर इसे कम कर देता है, जो यह संकेत देता है कि उपयोगी कारण संचार (causal communication) के लिए ऑफलाइन संरेखण अपर्याप्त है।

Peiyan Zhang2026-06-03
🤖 AI

AI-Generated Traces for Novice Programmers: Learning Effects and Learner Differences in a Multi-Institutional Study

यह बहु-संस्थानिक अध्ययन प्रारंभिक प्रोग्रामिंग पाठ्यक्रमों में एआई-जनित एनिमेटेड ट्रेसेस (जीएटी) की प्रभावशीलता का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि वे पाठ्य स्पष्टीकरणों की तुलना में चयनात्मक, अल्पकालिक शिक्षण लाभ प्रदान करते हैं, उनका प्रभाव शिक्षार्थी जुड़ाव प्रोफाइल द्वारा महत्वपूर्ण रूप से नियंत्रित होता है, जो व्यक्तिगत शैक्षिक दृष्टिकोणों की आवश्यकता को रेखांकित करता है।

Yuri Noviello, Naaz Sibia, Anastasiia Birillo, Thomas Overklift Vaupel Klein, Michael Liut, Gosia Migut2026-06-03
🤖 AI

LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks

यह शोध पत्र LEAP को प्रस्तुत करता है, जो एक एजेंटिक फ्रेमवर्क है जो अनौपचारिक तर्क (informal reasoning) को लीन (Lean) कंपाइलर फीडबैक के साथ जोड़कर सामान्य-उद्देश्य वाले लार्ज लैंग्वेज मॉडल्स को औपचारिक प्रमेय सिद्ध करने (formal theorem proving) में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए सशक्त बनाता है, जिसने 2025 की पुटनाम प्रतियोगिता (Putnam Competition) की सभी 12 समस्याओं को सफलतापूर्वक हल किया और नए प्रस्तावित लीन-आईएमओ-बेंच (Lean-IMO-Bench) पर विशिष्ट प्रणालियों की तुलना में काफी बेहतर प्रदर्शन किया।

Po-Nien Kung, Linfeng Song, Dawsen Hwang, Jinsung Yoon, Chun-Liang Li, Simone Severini, Mirek Olšák, Edward Lockhart, Qu (…)2026-06-03
🤖 AI

The Reliability Gap in Benchmark Auditing: Distribution Shift and Scale as Failure Modes of Contamination Detection

यह शोधपत्र बेंचमार्क ऑडिटिंग में एक महत्वपूर्ण विश्वसनीयता अंतराल को उजागर करता है, जो यह प्रदर्शित करता है कि वर्तमान सांख्यिकीय संदूषण पहचान विधियाँ वितरण बदलावों (डिस्ट्रीब्यूशन शिफ्ट्स) और पैमाने की सीमाओं के कारण यथार्थवादी स्थितियों में विफल हो जाती हैं, जिससे यह सिद्ध होता है कि वे अभी तक पारदर्शी डेटा प्रोवेनेंस का स्थान नहीं ले सकती हैं।

Wojciech Zarzecki, Jan Dubiński, Sebastian Cygert2026-06-03
🤖 AI

Generalizing Graph Foundation Models via Hyperbolic Retrieval-Augmented Generation

यह शोध पत्र हाइपरबोलिक रिट्रीवल-ऑगमेंटेड जनरेशन (HyRAG) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो पदानुक्रमित ज्ञान अनुक्रमण (hierarchical knowledge indexing) के लिए हाइपरबोलिक स्पेस और मौजूदा यूक्लिडियन-आधारित दृष्टिकोणों की ज्यामितीय सीमाओं को दूर करने के लिए बहु-स्तर की खोज (multi-granularity retrieval) का लाभ उठाकर ग्राफ फाउंडेशन मॉडल्स के सामान्यीकरण (generalization) को बढ़ाता है।

Yifan Jin, Qirui Ji, Bin Qin, Jiangmeng Li, Lixiang Liu, Fuchun Sun, Changwen Zheng2026-06-03
🤖 machine learning

Learning Multi-Scale Hypergraph for High-Order Brain Connectivity Analysis

यह शोध पत्र MuHL को प्रस्तुत करता है, जो एक अनुकूली बहु-पैमाने वाला हाइपरग्राफ लर्निंग फ्रेमवर्क है जो जटिल उच्च-क्रम मस्तिष्क अंतःक्रियाओं को पकड़ने के लिए पदानुक्रमित हाइपरएज (hierarchical hyperedges) को गतिशील रूप से निर्मित करता है, जिससे न्यूरोडीजेनेरेटिव रोगों के वर्गीकरण और रोग की प्रगति से जुड़े प्रमुख क्षेत्रों की पहचान करने में सुधार होता है।

Jaeyoon Sim, Soojin Hwang, Seunghun Baek, Guorong Wu, Won Hwa Kim2026-06-03
🤖 machine learning

Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

यह शोध पत्र शार्ट- और लॉन्ग-रेंज ब्रेन नेटवर्क संबंधों को पकड़ने की सीमाओं को दूर करने के लिए ट्रांसफार्मर-गाइडेड एडेप्टिव डिफ्यूजन से उन्नत एक मल्टी-मोडल ग्राफ न्यूरल नेटवर्क का प्रस्ताव करता है, जिससे प्रीक्लिनिकल अल्जाइमर रोग के वर्गीकरण में सुधार होता है और प्रमुख संबंधित मस्तिष्क क्षेत्रों की पहचान होती है।

Jaeyoon Sim, Minjae Lee, Guorong Wu, Won Hwa Kim2026-06-03
🤖 machine learning

Calibration Data Trade-offs Across Capability Dimensions: Why Multi-Source Mixing Matters for High-Sparsity LLM Pruning

यह शोध पत्र प्रकट करता है कि कैलिब्रेशन डेटा स्रोत विभिन्न LLM क्षमता आयामों में विपरीत-चिह्न वाले ट्रेड-ऑफ प्रदर्शित करते हैं, जो IGSP के प्रस्ताव को प्रेरित करते हैं, जो एक सूचना-निर्देशित स्व-कैलिब्रेशन प्रोटोकॉल है जो उच्च-स्पैरसिटी प्रूनिंग (high-sparsity pruning) में सिंगल-सोर्स बेसलाइनों से काफी बेहतर प्रदर्शन करने के लिए मल्टी-सोर्स मिक्सिंग को स्वचालित करता है।

Hu Xu, Zhaolong Xing, Congcong Liu, Jiaxing Wang, Zhida Jiang, Junshi Huang, Zhen Chen, Jianfeng Xu2026-06-03
🤖 machine learning

FLIPS: Instance-Fingerprinting for LLMs via Pseudo-random Sequences

यह शोध पत्र FLIPS को प्रस्तुत करता है, जो एक नवीन इंस्टेंस-स्तरीय फिंगरप्रिंटिंग विधि है जो एक ही लार्ज लैंग्वेज मॉडल के विभिन्न कॉन्फ़िगरेशन के बीच सटीक रूप से अंतर करने के लिए छद्म-यादृच्छिक अनुक्रम पूर्वाग्रहों (pseudo-random sequence biases) का लाभ उठाती है, जिससे केवल मॉडल के उद्गम (provenance) के बजाय विशिष्ट तैनात व्यवहारों की पहचान करने में सक्षम होकर एआई विनियमन में एक महत्वपूर्ण अंतर को संबोधित किया जा सकता है।

Gurvan Richardeau, Gohar Dashyan, Erwan Le Merrer, Gilles Tredan2026-06-03
📊 statistics

AugMask: Training Diffusion Models on Incomplete Tabular Data via Stochastic Augmentation and Masking

यह शोध पत्र AugMask को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले प्रशिक्षण ढांचा है जो मानक स्कोर-आधारित डिफ्यूजन मॉडल को अनिश्चित कंडिशनिंग कॉन्टेक्स्ट के रूप में लुप्त मानों को भरने के लिए स्टोकेस्टिक ऑग्मेंटेशन का उपयोग करके और केवल प्रेक्षित निर्देशांकों तक डिनोइजिंग सुपरविजन को प्रतिबंधित करके प्रभावी रूप से अपूर्ण सारणीबद्ध डेटा उत्पन्न करने में सक्षम बनाता है।

Jungkyu Kim, Taeyoung Park, Kibok Lee2026-06-03