💬 Category

cs.CL

9552 पेपर

💬 NLP

DS@GT ARC at LongEval: Citation Integrity and Factual Grounding in Scientific QA

यह शोध पत्र DS@GT ARC के CLEF 2026 LongEval सबमिशन को प्रस्तुत करता है, जो यह तर्क देता है कि जबकि फ्रंटियर मॉडल प्रवाह में उत्कृष्ट हैं, वैज्ञानिक QA में उद्धरण निष्ठा (citation faithfulness) और उत्तर ग्राउंडिंग (answer grounding) में सुधार करने के लिए प्री-जनरेशन फ़िल्टरिंग और पोस्ट-जनरेशन एंटेलमेंट चेक को संयोजित करने वाला एक सुधारात्मक पाइपलाइन आवश्यक है, जो पारंपरिक प्रासंगिकता स्कोर के बजाय सख्त ग्राउंडिंग को प्राथमिकता देने वाले मूल्यांकन मेट्रिक्स की आवश्यकता पर प्रकाश डालता है।

Brandon Michaels, Brendon Johnson2026-07-17
💬 NLP

LLM Evaluators are Biased across Languages

यह शोध पत्र प्रदर्शित करता है कि बहुभाषी LLM मूल्यांकनकर्ता एक सुसंगत, सांख्यिकीय रूप से महत्वपूर्ण पूर्वाग्रह प्रदर्शित करते हैं जहाँ उच्च-संसाधन वाली भाषाओं की तुलना में कम-संसाधन वाली भाषाओं को उच्च अंक प्राप्त होते हैं और वे सुरक्षा फिल्टरों को अधिक आसानी से पार कर लेती हैं, जो एक महत्वपूर्ण दोष है जो मूल्यांकनकर्ताओं की सापेक्ष रैंकिंग पर उच्च सहमति के बावजूद मानक युग्म-सटीकता (pairwise accuracy) मेट्रिक्स द्वारा अनपेक्षित रह जाता है।

Ej Zhou, Lucas Resck, Zheng Hui, Anna Korhonen2026-07-17
💬 NLP

Answer-Conditioned Chains of Thought Degrade Verifiable-Reasoning Distillation in Large Language Models

यह शोध पत्र यह प्रदर्शित करता है कि गोल्ड आंसर (gold answer) पर चेन-ऑफ-थॉट जनरेशन को कंडिशन करके लार्ज लैंग्वेज मॉडल्स में रीजनिंग क्षमताओं को डिस्टिल करना, सत्यापन योग्य रीजनिंग प्रदर्शन को महत्वपूर्ण रूप से कम कर देता है, क्योंकि परिणामी डेटा वास्तविक व्युत्पत्ति के बजाय पश्चगामी तर्कसंगतता (backward rationalization) को प्रोत्साहित करता है, एक ऐसा दोष जिसे मानक शुद्धता फ़िल्टरिंग पहचानने में विफल रहती है।

Jungseob Lee, Seungyoon Lee, Suhyune Son, Dongyub Jude Lee, Sungbin Han, Sugyeong Eo, Heuiseok Lim2026-07-17
💬 NLP

MARS: Multi-hop Adaptive Retrieval and SPARQL Generation for KGQA

यह शोध पत्र MARS को प्रस्तुत करता है, जो नॉलेज ग्राफ क्वेश्चन अनस्वियरिंग (Knowledge Graph Question Answering) के लिए एक स्केलेबल, फाइन-ट्यूनिंग-मुक्त फ्रेमवर्क है, जो सटीक SPARQL क्वेरी उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स को एक संरचित, मल्टी-हॉप एडेप्टिव रिट्रीवल प्रक्रिया के साथ जोड़ता है, जिससे भ्रम (hallucinations) को कम किया जा सके और दक्षता बनाए रखी जा सके।

Nikit Srivastava, Daniel Vollmers, René Speck, Nikolaos Karalis, Hamada M. Zahera, Axel-Cyrille Ngonga Ngomo2026-07-17
💬 NLP

Qubes OS Security in the Public Record

यह शोध पत्र 2011 से 2025 तक के 109 क्यूब्स (Qubes) सिक्योरिटी बुलेटिन और संबंधित भेद्यता डेटा का एक अनुदैर्ध्य विश्लेषण प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि सार्वजनिक परामर्श रिकॉर्ड 2015 के बाद से उच्च प्रकटीकरण स्तर पर स्थिर हो गया है, सुरक्षा भार मुख्य रूप से क्यूब्स के मूल तर्क (core logic) के बजाय जे़न (Xen) और सीपीयू (CPU) आर्किटेक्चर जैसे अपस्ट्रीम घटकों में केंद्रित बना हुआ है।

Alfonso De Gregorio2026-07-17
💬 NLP

Memory-Driven Self-Disclosure and Relational Turning Points: A Longitudinal Multimodal Study of Human-AI Interaction

यह अनुदैर्ध्य बहुविध अध्ययन (longitudinal multimodal study) प्रकट करता है कि मानव-एआई संबंध एक दोहरी प्रक्रिया के माध्यम से विकसित होते हैं जहाँ कथित स्मृति (perceived memory) आत्म-प्रकटीकरण को बढ़ावा देकर समय के साथ आनंद को अप्रत्यक्ष रूप से बढ़ाती है, जबकि विविक्त व्यवहारिक मोड़—जो उछाल और गिरावट द्वारा चिह्नित होते हैं—संबंधात्मक प्रक्षेपवक्र में अचानक बदलाव का संकेत देते हैं।

Ryuichi Sumida, Mao Saeki, Masaki Eguchi, Sadahiro Yoshikawa, Koji Inoue, Tatsuya Kawahara, Yoichi Matsuyama2026-07-17
🤖 machine learning

Beyond Entropy: Correctness-Aware Advantage Shaping via Contrastive Policy Optimization

यह शोध पत्र कॉन्ट्रास्टिव पॉलिसी ऑप्टिमाइज़ेशन (CPO) को प्रस्तुत करता है, जो एक नवीन सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचा है जो एंट्रॉपी-आधारित एडवांटेज शेपिंग को संदर्भ-निर्देशित और वैनिला जनरेशन के बीच टोकन-स्तरीय कॉन्ट्रास्टिव डिसएग्रीमेंट से बदल देता है ताकि शुद्धता को अधिक सटीक रूप से संकेतित किया जा सके, जिससे ज़ीरो-एडवांटेज समस्या का समाधान होता है और इन-डोमेन एवं आउट-ऑफ-डोमेन दोनों बेंचमार्क पर मौजूदा विधियों से काफी बेहतर प्रदर्शन होता है।

Weiwen Xu, Jia Liu, Hou Pong Chan, Long Li, Deng Cai, Min Chen, Hao Zhang2026-07-17
💬 NLP

Routing Ceilings Are Domain-Independent: Structural Prior Injection in Code Security Vulnerability Detection

यह शोध पत्र यह प्रदर्शित करता है कि "राउटर परिकल्पना" (router hypothesis) और वह विशिष्ट ट्रेड-ऑफ जहाँ संरचनात्मक पूर्वधारणाएँ (चीटशीट्स) इन-डिस्ट्रीब्यूशन प्रदर्शन में भारी सुधार करती हैं जबकि आउट-ऑफ-डिस्ट्रीब्यूशन पतन का गंभीर कारण बनती हैं, जैसा कि पहले गणितीय तर्क में देखा गया था, कई मॉडलों और जटिलता स्तरों में कोड सुरक्षा भेद्यता पहचान (code security vulnerability detection) में भी सामान्यीकृत होता है।

Manuel Israel Cázares2026-07-17
💬 NLP

D-cut: Adaptive Verification Depth Pruning for Batched Speculative Decoding

D-Cut एक एडेप्टिव वेरिफिकेशन डेप्थ प्रूनिंग विधि है जो बैचड स्पेक्युलेटिव डिकोडिंग के लिए ड्राफ्ट कॉन्फिडेंस और रनटाइम कॉस्ट मॉडल्स के आधार पर समवर्ती अनुरोधों (कन्करेंट रिक्वेस्ट्स) के बीच वेरिफिकेशन बजट को गतिशील रूप से आवंटित करती है, जो अस्वीकृत टोकन पर होने वाली गणना की बर्बादी को रोकते हुए उच्च सह-अस्तित्व (हाई कन्करेंसी) के तहत इन्फरेंस स्पीडअप में महत्वपूर्ण सुधार करती है।

Tianyu Liu, Yuhao Shen, Rui Cen, Junhan Shi, Jiebin Zhang, Guangshuo Qin, Hong Liu, Song Liu, Guanghua Yu, Jianchen Zhu2026-07-17
💬 NLP

Stop Thinking, Start Looking: Efficient Post-Training for Multimodal Document Question Answering via Reasoning-Free Alignment

यह शोध पत्र Perception-RFT प्रस्तुत करता है, जो एक ऐसा प्रशिक्षण ढांचा है जो बिना मध्यवर्ती तर्क टोकन (intermediate reasoning tokens) के मल्टीमॉडल दस्तावेज़ प्रश्नोत्तर (multimodal document QA) पर ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (Group Relative Policy Optimization) लागू करता है, जो यह प्रदर्शित करता है कि प्रत्यक्ष विजुअल ग्राउंडिंग अलाइनमेंट (direct visual grounding alignment), तर्क-केंद्रित दृष्टिकोणों की तुलना में अनुमान लागत (inference costs) को 60% से अधिक कम करके और सिमेंटिक मजबूती एवं ज्यामितीय सटीकता के बीच "ग्राउंडिंग डाइवर्जेंस" (Grounding Divergence) ट्रेड-ऑफ से बचकर बेहतर प्रदर्शन करता है।

Harikrishnan P M, Goutham Vignesh, Ganesh Parab, Saisubramaniam Gopalakrishnan, Vishal Vaddina, Varun V, Rohit Agrawal2026-07-17