💬 Category

cs.CL

11611 पेपर

💬 NLP

BASS: Benchmarking Audio LMs for Musical Structure and Semantic Reasoning

यह शोध पत्र BASS को प्रस्तुत करता है, जो ऑडियो लैंग्वेज मॉडल्स की संगीत संरचना और अर्थ संबंधी तर्क क्षमताओं का मूल्यांकन करने के लिए 12 कार्यों में फैले 2,658 प्रश्नों वाला एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि जबकि वर्तमान अत्याधुनिक मॉडल गीत प्रतिलेखन (lyric transcription) में उत्कृष्ट हैं, वे संरचनात्मक विभाजन (structural segmentation) और कलाकार सहयोग (artist collaboration) जैसे उच्च-स्तरीय कार्यों के साथ काफी संघर्ष करते हैं।

Min Jang, Orevaoghene Ahia, Nazif Tamer, Sachin Kumar, Yulia Tsvetkov, Noah A. Smith2026-02-05
💬 NLP

Scaling In-Context Online Learning Capability of LLMs via Cross-Episode Meta-RL

यह शोध पत्र ORBIT को प्रस्तुत करता है, जो एक मल्टी-टास्क मेटा-रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो बड़े भाषा मॉडलों की इन-कॉन्टेक्स्ट ऑनलाइन लर्निंग क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है, जिससे छोटे ओपन-सोर्स मॉडल अनदेखे इंटरैक्टिव वातावरणों पर GPT-5.2 जैसे उन्नत प्रोप्रायटरी मॉडलों के प्रदर्शन के बराबर पहुँच पाते हैं।

Xiaofeng Lin, Sirou Zhu, Yilei Chen, Mingyu Chen, Hejian Sang, Ioannis Paschalidis, Zhipeng Wang, Aldo Pacchiano, Xuezho (…)2026-02-05
💬 NLP

From Helpfulness to Toxic Proactivity: Diagnosing Behavioral Misalignment in LLM Agents

यह शोध पत्र "टॉक्सिक प्रोएक्टिविटी" (विषैली सक्रियता) की पहचान और मूल्यांकन करता है, जो एलएलएम (LLM) एजेंटों में एक महत्वपूर्ण विफलता मोड है जहाँ अत्यधिक सहायक होने की इच्छा नैतिक बाधाओं की सक्रिय उपेक्षा करने की ओर ले जाती है, और इस व्यापक व्यवहार संबंधी मिसअलाइनमेंट (misalignment) के निदान और शमन के लिए एक नवीन द्वि-मॉडल मूल्यांकन ढांचे और बेंचमार्क का प्रस्ताव करता है।

Xinyue Wang, Yuanhe Zhang, Zhengshuo Gong, Haoran Gao, Fanyu Meng, Zhenhong Zhou, Li Sun, Yang Liu, Sen Su2026-02-05
💬 NLP

RAPO: Risk-Aware Preference Optimization for Generalizable Safe Reasoning

यह शोध पत्र RAPO को प्रस्तुत करता है, जो एक रिस्क-अवेयर प्रिफरेंस ऑप्टिमाइज़ेशन फ्रेमवर्क है जो बड़े रीजनिंग मॉडल्स की उपयोगिता को बनाए रखते हुए विविध और जटिल जेलब्रेक हमलों के विरुद्ध उनकी सुरक्षित तर्क क्षमताओं के सामान्यीकरण (जनरलाइजेशन) को बढ़ाता है।

Zeming Wei, Qiaosheng Zhang, Xia Hu, Xingcheng Xu2026-02-05
💬 NLP

CoLT: Reasoning with Chain of Latent Tool Calls

यह शोध पत्र CoLT का प्रस्ताव करता है, जो एक नवीन ढांचा (framework) है जो सीड टोकन (seed tokens) उत्पन्न करके लार्ज लैंग्वेज मॉडल की तर्क क्षमता (reasoning efficiency) को बढ़ाता है, जो बाहरी मॉडलों को उन्हें पूर्ण तर्क चरणों में अनपैक करने के लिए ट्रिगर करते हैं, जिससे मॉडल संरचना संवर्धन या व्यापक प्रशिक्षण की आवश्यकता के बिना उच्च सटीकता और कम तर्क लंबाई प्राप्त होती है।

Fangwei Zhu, Zhifang Sui2026-02-05
💬 NLP

DementiaBank-Emotion: A Multi-Rater Emotion Annotation Corpus for Alzheimer's Disease Speech (Version 1.0)

यह शोध पत्र DementiaBank-Emotion को प्रस्तुत करता है, जो अल्जाइमर रोग के भाषण के लिए पहला मल्टी-रेटर इमोशन एनोटेशन कॉर्पस है, जो यह प्रकट करता है कि एडी (AD) रोगी स्वस्थ नियंत्रणों की तुलना में काफी अधिक गैर-तटस्थ भावनाओं को व्यक्त करते हैं और विशिष्ट ध्वनिक पैटर्न प्रदर्शित करते हैं, जैसे कि उदासी के लिए कम पिच मॉड्यूलेशन, जबकि नैदानिक आबादी में भावना पहचान अनुसंधान को आगे बढ़ाने के लिए संसाधन प्रदान करता है।

Cheonkam Jeong, Jessica Liao, Audrey Lu, Yutong Song, Christopher Rashidian, Donna Krogh, Erik Krogh, Mahkameh Rasouli (…)2026-02-05
💬 NLP

Empirical-MCTS: Continuous Agent Evolution via Dual-Experience Monte Carlo Tree Search

एम्पिरिकल-एमसीटीएस (Empirical-MCTS) एक दोहरी-लूप रूपरेखा पेश करता है जो स्थानीय खोज को एक वैश्विक स्मृति प्रणाली के साथ एकीकृत करके लार्ज लैंग्वेज मॉडल तर्क क्षमता को बढ़ाता है, जो पेयरवाइज-एक्सपीरियंस-इवोल्यूशनरी मेटा-प्रॉम्प्टिंग (Pairwise-Experience-Evolutionary Meta-Prompting) और एक मेमोरी ऑप्टिमाइज़ेशन एजेंट का उपयोग करके अनुकूलन योग्य मेटा-प्रॉम्प्ट्स को निरंतर विकसित करता है और समस्याओं के बीच अंतर्दृष्टि को संकुचित करता है, जिससे यह जटिल तर्क बेंचमार्क पर स्टेटलेस एमसीटीएस (stateless MCTS) रणनीतियों से काफी बेहतर प्रदर्शन करता है।

Hao Lu, Haoyuan Huang, Yulin Zhou, Chen Li, Ningxin Zhu2026-02-05
💬 NLP

Scaling Agentic Verifier for Competitive Coding

यह शोध पत्र 'एजेंटिक वेरीफायर' (Agentic Verifier) को प्रस्तुत करता है, जो एक निष्पादन-आधारित एजेंट है जो मल्टी-टर्न रीजनिंग और रीइन्फोर्समेंट लर्निंग के माध्यम से सक्रिय रूप से विभेदक परीक्षण इनपुट उत्पन्न करता है ताकि प्रतिस्पर्धी प्रोग्रामिंग में बड़े भाषा मॉडल (LLMs) की सटीकता में उल्लेखनीय सुधार किया जा सके, जिससे गलत संभावित समाधानों को प्रभावी ढंग से पहचाना और फ़िल्टर किया जा सके।

Zeyao Ma, Jing Zhang, Xiaokang Zhang, Jiaxi Yang, Zongmeng Zhang, Jiajun Zhang, Yuheng Jing, Lei Zhang, Hao Zheng, Wenti (…)2026-02-05
💬 NLP

Guided Verifier: Collaborative Multimodal Reasoning via Dynamic Process Supervision

यह शोध पत्र गाइडेड वेरीफायर (Guided Verifier) फ्रेमवर्क प्रस्तुत करता है, जो एकल रोलआउट्स के स्थान पर एक गतिशील, सहयोगात्मक प्रक्रिया के माध्यम से मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की तर्क क्षमता को बढ़ाता है, जहाँ एक विशिष्ट वेरीफायर सक्रिय रूप से कार्यों को सह-हल करता है और त्रुटि प्रसार को रोकने के लिए वास्तविक समय में फीडबैक प्रदान करता है, जिससे एक 8B-पैरामीटर वाले मॉडल के साथ मल्टीमॉडल बेंचमार्क पर उत्कृष्ट प्रदर्शन प्राप्त होता है।

Lingzhuang Sun, Ruitong Liu, Yuxia Zhu, Xiaohan Xu, Jingxuan Wei, Xiangxiang Zhang, Bihui Yu, Wentao Zhang2026-02-05
💬 NLP

How Few-shot Demonstrations Affect Prompt-based Defenses Against LLM Jailbreak Attacks

यह शोध पत्र प्रकट करता है कि फ्यू-शॉट प्रदर्शनों (few-shot demonstrations) के प्रॉम्प्ट-आधारित सुरक्षा उपायों पर भिन्न प्रभाव होते हैं, जो पहचान को सुदृढ़ करके रोल-ओरिएंटेड प्रॉम्प्ट्स (Role-Oriented Prompts) को बेहतर बनाते हैं, जबकि निर्देशों से ध्यान भटकाकर टास्क-ओरिएंटेड प्रॉम्प्ट्स (Task-Oriented Prompts) को महत्वपूर्ण रूप से कमज़ोर करते हैं, जिससे एलएलएम (LLM) सुरक्षा रणनीतियों को अनुकूलित करने के लिए महत्वपूर्ण अंतर्दृष्टि प्राप्त होती है।

Yanshu Wang, Shuaishuai Yang, Jingjing He, Tong Yang2026-02-05