💬 Category

cs.CL

10125 पेपर

💬 NLP

A Registry-Bound LLM Pipeline for Evidence-Grounded Trait Extraction across Tropical Plants, Aquatic Species, and Exotic Pets

यह शोध पत्र एक रजिस्ट्री-बद्ध लार्ज लैंग्वेज मॉडल पाइपलाइन प्रस्तुत करता है जो एक क्लोज्ड-वोकैबुलरी स्कीमा, वर्बेटम सोर्स क्वोटिंग, कॉन्फिडेंस फिल्टरिंग और मल्टी-वर्जन प्रिजर्वेशन को लागू करके उष्णकटिबंधीय पौधों, जलीय प्रजातियों और विदेशी पालतू जानवरों के लिए ऑडिट योग्य, साक्ष्य-आधारित संरचित लक्षण रिकॉर्ड उत्पन्न करता है, जो लगभग 410,000 प्रजातियों में कठोर सत्यापन के साथ उच्च-स्तर का निष्कर्षण प्राप्त करता है।

Jeff Wang2026-06-02
🤖 machine learning

Trust Functions: Near-Lossless Weak-to-Strong Generalization by Learning When to Trust the Weak Teacher

यह शोध पत्र "ट्रस्ट फंक्शन्स" (trust functions) का परिचय देता है, जो एक डेटा चयन तंत्र है जो सुपरविजन को फ़िल्टर करने के लिए कमजोर लेबल (weak labels) को स्केलर ट्रस्ट स्कोर असाइन करता है, जिससे विविध डोमेन में लगभग लॉसलेस (near-lossless) वीक-टू-स्ट्रॉन्ग जनरलाइजेशन और पुनरावृत्ति प्रदर्शन लाभ सक्षम होता है।

Arda Uzunoglu, Alvin Zhang, Daniel Khashabi2026-06-02
💬 NLP

PolySpeech-100: A Large-Scale Benchmark for Speech Understanding Across 100+ Languages and Dialects

यह शोध पत्र PolySpeech-100 को प्रस्तुत करता है, जो एक बड़े पैमाने का बेंचमार्क है जो 110 भाषाई वेरिएंट्स को कवर करता है और विविध भाषाओं एवं बोलियों में स्पीच अंडरस्टैंडिंग का मूल्यांकन करता है, जो यह प्रकट करता है कि ओपन-सोर्स एंड-टू-एंड मॉडल भारी बोलियों में पैरालिंग्विस्टिक संकेतों को संरक्षित करने में उत्कृष्ट हैं, जबकि कम संसाधन वाली भाषाओं में महत्वपूर्ण प्रदर्शन अंतराल और स्पीच कॉम्प्रिहेन्शन पर चेन-ऑफ-थॉट प्रॉम्प्टिंग के प्रति विरोधाभासी नकारात्मक प्रभाव को उजागर करते हैं।

Sicheng Yang, Shulan Ruan, Shiwei Wu, Yu Liu, Lu Fan, Zhi Li, You He2026-06-02
💬 NLP

Hybrid Verified Decoding: Learning to Allocate Verification in Speculative Decoding

यह शोध पत्र हाइब्रिड वेरीफाइड डिकोडिंग (Hybrid Verified Decoding) पेश करता है, जो कैश ड्राफ्ट्स (cache drafts) की स्वीकृति लंबाई का पूर्वानुमान लगाने के लिए एक विधि है ताकि कैश सत्यापन और मॉडल-आधारित ड्राफ्टिंग के बीच गतिशील रूप से चयन किया जा सके, जिससे स्पेक्युलेटिव डिकोडिंग दक्षता को अनुकूलित करके—विशेष रूप से एजेंटिक वर्कफ़्लो में—महत्वपूर्ण गति प्राप्त की जा सके।

Xin Su, Dawid Majchrowski, Fangyuan Yu, Vanshil Atul Shah, Sebastian Rogawski, Pawel Morkisz, Anahita Bhiwandiwalla, Phi (…)2026-06-02
💬 NLP

DSL-LLaDA: Scaling Continuous Denoising to 8B Masked Diffusion LMs

यह शोध पत्र DSL-LLaDA को प्रस्तुत करता है, जो एक 8B-पैरामीटर वाला मास्क्ड डिफ्यूजन लैंग्वेज मॉडल है, जो एम्बेडिंग स्पेस में कुशल, उच्च-गुणवत्ता वाले निरंतर डिनोइजिंग (denoising) को सक्षम करने के लिए एक प्रीट्रेन्ड LLaDA मॉडल को डिस्क्रीट स्टोकेस्टिक लोकलाइजेशन (Discrete Stochastic Localization) के साथ हल्के से अनुकूलित करके डिस्क्रीट डिकोडिंग के लंबाई-गुणवत्ता ट्रेड-ऑफ (length-quality tradeoff) पर विजय प्राप्त करता है।

Longxuan Yu, Yunshu Wu, Yu Fu, Siheng Xiong, Rob Brekelmans, Hui Liu, Yue Dong, Greg Ver Steeg2026-06-02
💬 NLP

Revise, Don't Freeze: Sampler-Matched Training for Self-Correcting Masked Diffusion Language Models

यह शोध पत्र D3IM को प्रस्तुत करता है, जो मास्क किए गए डिफ्यूजन लैंग्वेज मॉडल्स में सीधे टोकन संशोधन को सक्षम करने वाला एक पैरामीटर-मुक्त सैंपलर है, और SCOPE को, जो परिणामी प्रिजर्वेशन बायस (preservation bias) को कम करने के लिए एक पोस्ट-ट्रेनिंग विधि है, जो सामूहिक रूप से रीजनिंग और कोडिंग बेंचमार्क पर महत्वपूर्ण प्रदर्शन लाभ प्राप्त करते हैं।

Longxuan Yu, Shaorong Zhang, Yu Fu, Hui Liu, Yue Dong, Greg Ver Steeg2026-06-02
💬 NLP

A Finite-Calibration Regime Map for LLM Judge Panels

यह शोध पत्र एक 'फाइनाइट-कैलिब्रेशन रिजीम मैप' (Finite-Calibration Regime Map) प्रस्तुत करता है जो यह निर्धारित करके LLM जज पैनलों के लिए लो-डायमेंशनल स्केलर एग्रीगेटर्स और हाई-डायमेंशनल जॉइंट-टेबल कैलिब्रेटर्स के बीच चयन करने में मार्गदर्शन करता है कि क्या उपलब्ध मानव-लेबल बजट जटिल जज इंटरैक्शन का अनुमान लगाने में सक्षम है, यह पाते हुए कि स्केलर विधियाँ अक्सर वर्तमान डेटासेट्स के लिए पर्याप्त होती हैं जबकि जॉइंट टेबल्स केवल तभी आवश्यक हो जाते हैं जब विशिष्ट उच्च-क्रम के इंटरैक्शन मौजूद हों और अनुमान योग्य हों।

Bin Zhu, Yanghui Rao2026-06-02
💬 NLP

ExpWeaver: LLM Agents Learn from Experience via Latent RAG

ExpWeaver एक एंड-टू-एंड अनुकूलित फ्रेमवर्क है जो LLM एजेंटों को लेटेंट रिट्रीवल-ऑगमेंटेड जनरेशन के माध्यम से अनुभव से सीखने में सक्षम बनाता है, जिससे विविध कार्यों में अत्याधुनिक प्रदर्शन प्राप्त होता है और पारंपरिक टेक्स्ट-आधारित रिट्रीवल विधियों की तुलना में टोकन ओवरहेड काफी कम हो जाता है और क्रॉस-डोमेन सामान्यीकरण में सुधार होता है।

Tao Feng, Tianyang Luo, Jingjun Xu, Zhigang Hua, Yan Xie, Shuang Yang, Ge Liu, Jiaxuan You2026-06-02
💻 computer science

MENTIS: What Belief Changes Under Alignment? Measuring Multi-Scale Latent Torsion in Language Models

यह शोधपत्र MENTIS को प्रस्तुत करता है, जो एक ज्यामिति-प्रथम (geometry-first) ढांचा है जो यह प्रकट करता है कि प्राथमिकता संरेखण (preference alignment), भाषा मॉडलों में चयनात्मक, गहराई-स्थानीयकृत ज्यामितीय पुनर्गठन को प्रेरित करता है, जो समान आंतरिक परिवर्तनों के बजाय मानदण्डिक अवधारणाओं (normative concepts) में बड़े टॉर्शन शिफ्ट और प्रासंगिक एंट्रॉपी के साथ नकारात्मक सहसंबंधों द्वारा अभिलक्षित है।

Partha Pratim Saha, Samarth Raina, Mayur Parvatikar, Amit Dhanda, Vinija Jain, Aman Chadha, Amitava Das2026-06-02
💻 computer science

When Is 0.1% Enough? Analyzing the Combined Effects of Dimensionality Reduction and Quantization on Text Embedding Compression

यह शोध पत्र यह प्रदर्शित करता है कि आयामी कमी (dimensionality reduction) और परिमाणीकरण (quantization) को संयोजित करके टेक्स्ट एम्बेडिंग्स को उनके मूल आकार के 0.1% तक नगण्य प्रदर्शन हानि के साथ संकुचित किया जा सकता है, जबकि यह भी प्रकट करता है कि इष्टतम संपीड़न रणनीति विशिष्ट कार्य के आधार पर भिन्न होती है।

Riku Kisako, Hayato Tsukagoshi, Ryohei Sasano2026-06-02