🤖 Category

cs.AI

23749 पेपर

🤖 AI

RoleCDE:Benchmarking and Mitigating Role-Alignment Trade-offs in Role-Playing Agents

यह शोध पत्र RoleCDE को प्रस्तुत करता है, जो रोल-प्लेइंग एजेंटों में "रोल वैल्यू डिकपलिंग" (भूमिका मूल्य विच्छेद) घटना का मूल्यांकन करने और उसे कम करने के लिए डिज़ाइन किया गया एक बड़े पैमाने का बेंचमार्क है, जहाँ मॉडल संघर्षों के दौरान भूमिका-विशिष्ट मूल्यों के बजाय संरेखण (अलाइनमेंट) को प्राथमिकता देते हैं, यह प्रदर्शित करते हुए कि लक्षित फाइन-ट्यूनिंग सामान्य प्रदर्शन को बनाए रखते हुए इन समझौतों को प्रभावी ढंग से हल कर सकती है।

Huayi Lai, Shichao Song, Simin Niu, Hanyu Wang, Jiawei Yang, Zhouxing Wang, Zhiqiang Yin, Xun Liang2026-06-02
💬 NLP

Identifying High-Confidence Social Biases in LLMs for Trustworthy Conversational Tutoring Agents

यह अध्ययन संवादात्मक ट्यूटरिंग परिदृश्यों में लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने के लिए एक नवीन डेटासेट जनरेशन पद्धति प्रस्तुत करता है, जो यह प्रकट करता है कि अत्याधुनिक मॉडल्स स्वाभाविक अंतःक्रियाओं में सामाजिक पूर्वाग्रहों का पता लगाने में संघर्ष करते हैं और अक्सर अपने गलत, पक्षपाती मूल्यांकनों में खतरनाक अति-आत्मविश्वास प्रदर्शित करते हैं, जिससे विश्वसनीय शैक्षिक फीडबैक के लिए महत्वपूर्ण जोखिम उत्पन्न होते हैं।

Aitor Arronte Alvarez, Naiyi Xie Fincham2026-06-02
🤖 AI

TRON: Targeted Rule-Verifiable Online Environments for Visual Reasoning RL

यह शोध पत्र TRON को प्रस्तुत करता है, जो एक ऑनलाइन एनवायरनमेंट सबस्ट्रेट है जो स्टैटिक डेटासेट्स की सीमाओं को दूर करने के लिए ऑन-डिमांड, नियम-सत्यापन योग्य विजुअल रीजनिंग ट्रेनिंग इंस्टेंस जेनरेट करता है, जो बाहरी बेंचमार्क पर कई मल्टीमॉडल मॉडल्स में निरंतर प्रदर्शन सुधार प्रदर्शित करता है।

Tianze Yang, Yucheng Shi, Ruitong Sun, Jingyuan Huang, Ninghao Liu, Jin Sun2026-06-02
🤖 AI

Revisiting Ripple Effects in Knowledge Editing through Pressure-Aware Joint Neighborhood Optimization

यह शोध पत्र जॉइंट नेबरहुड ऑप्टिमाइजेशन (JNO) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो नेबरहुड टारगेट रिप्रेजेंटेशन्स को संयुक्त रूप से अनुकूलित करके और एक सिमेंटिक प्री-एग्जीक्यूशन गेट का उपयोग करके नॉलेज एडिटिंग में एडिटेबल-साइड कोऑर्डिनेशन और प्रिजर्व्ड-साइड लीकेज के युग्मित डिज़ाइन दबावों को संबोधित करता है, जिससे क्रॉस-बैकबोन स्थिरता बनाए रखते हुए प्रोपेगेशन और प्रिजर्वेशन मेट्रिक्स दोनों में महत्वपूर्ण सुधार होता है।

Haoben Huang, Shuxin Liu, Ou Wu, Di Gao2026-06-02
💻 computer science

TechGraphRAG: An Agentic Graph-Augmented RAG Framework for Technical Literature Reasoning

यह शोध पत्र TechGraphRAG को प्रस्तुत करता है, जो एक एजेंटिक ग्राफ-ऑगमेंटेड RAG फ्रेमवर्क है जो बेहतर रिट्रीवल और स्व-सुधारात्मक जनरेशन के लिए मल्टी-डायमेंशनल एविडेंस स्कोरिंग, इटरेटिव एक्सटर्नल डेटाबेस सर्च और एक Neo4j नॉलेज ग्राफ का उपयोग करते हुए, वाहन गतिकी (vehicle dynamics) के विशिष्ट कॉर्पस पर तकनीकी तर्क (technical reasoning) का समर्थन करने के लिए एक 13-चरणीय स्वायत्त पाइपलाइन का उपयोग करता है।

Kanwar Bharat Singh2026-06-02
🤖 AI

ReSkill: Reconciling Skill Creation with Policy Optimization in Agentic RL

ReSkill एक नवीन एजेंटिक RL फ्रेमवर्क है जो GRPO एल्गोरिदम के भीतर एसर्शन-ड्रिवन स्किल रिवीज़न (assertion-driven skill revision), इन-ग्रुप रोलआउट सैंपलिंग (in-group rollout sampling) और थॉम्पसन सैंपलिंग (Thompson Sampling) को समाहित करके कौशल निर्माण और पॉलिसी ऑप्टिमाइज़ेशन के बीच सामंजस्य स्थापित करता है, जिससे अनदेखे कार्यों पर बेहतर सामान्यीकरण प्राप्त करने के लिए पुन: प्रयोज्य रणनीतियों और पॉलिसियों का स्वचालित सह-विकास संभव होता है।

Zelin He, Haotian Lin, Boran Han, Wei Zhu, Haoyang Fang, Bernie Wang, Xuan Zhu, Runze Li, Matthew Reimherr2026-06-02
💻 computer science

A Framework for Graph-Conditioned Hierarchical Shapley Attribution in Patent Valuation

यह शोध पत्र PatentXAI प्रस्तुत करता है, जो एक ऐसा ढांचा है जो नॉलेज ग्राफ के भीतर मार्कोव ब्लैंकेट-प्रतिबंधित गठबंधनों (Markov Blanket-restricted coalitions) के माध्यम से शापली मानों (Shapley values) का अनुमान लगाकर पेटेंट मूल्यांकन की गणनात्मक जटिलता (computational intractability) का समाधान करता है, जिससे बड़े पेटेंट पोर्टफोलियो में कुशल और सटीक पदानुक्रमित लाभ आवंटन सक्षम होता है।

Joy Bose2026-06-02
🤖 machine learning

E4GEN: Event-level Explainable Extreme-Enhanced Time-series Generation

E4GEN एक व्याख्यात्मक (explainable) डिफ्यूजन फ्रेमवर्क है जो एक अनुकूली सक्रियण तंत्र (adaptive activation mechanism), लेबल-मुक्त प्रशिक्षण के लिए स्व-चालित अर्थ संबंधी भविष्यवाणी (self-driven semantic prediction) और एक प्रशिक्षित नियंत्रण नेटवर्क के माध्यम से चरम घटनाओं को व्यवस्थित रूप से नियंत्रित करके टाइम-सीरीज जनरेशन को बढ़ाता है, और अंततः फिडेलिटी (fidelity) और डाउनस्ट्रीम उपयोगिता में अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।

Lin Jiang, Dahai Yu, Ximiao Li, Guang Wang2026-06-02
💬 NLP

AlphaToken: Decoupling Adaptation and Stability for Path-Aware Response Token Valuation in LLM Post-Training

अल्फाटोकन (AlphaToken) एक पाथ-अवेयर (path-aware) टोकन मूल्यांकन ढांचे को पेश करता है जो अनुकूलन (adaptation) और स्थिरता (stability) उद्देश्यों को अलग करता है ताकि एलएलएम (LLM) पोस्ट-ट्रेनिंग के दौरान कम-मूल्य वाले रिस्पॉन्स टोकन को चुनिंदा रूप से मास्क किया जा सके, जिससे कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम करते हुए कार्य-विशिष्ट प्रदर्शन को बढ़ाया जा सके।

Liu Qing, Ou Wu, Yi Du2026-06-02
💬 NLP

Easier to Mislead Than to Correct: Harmful and Beneficial Revision in LLM Conformity

यह अध्ययन प्रकट करता है कि मल्टी-एजेंट सिस्टम में बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) सुधारा जाने के बजाय सहकर्मी आम सहमति और अधिकार लेबल द्वारा गुमराह होने के प्रति काफी अधिक संवेदनशील होते हैं, और मानक तर्क संबंधी हस्तक्षेप इस हानिकारक अनुरूपता को विश्वसनीय रूप से कम करने में विफल रहते हैं।

Jiaming Qu, Lucheng fu, Yibo Hu2026-06-02