💬 Category

cs.CL

10206 पेपर

🔬 materials science

AtomWorld: A Benchmark for Evaluating Spatial Reasoning in Large Language Models on Crystalline Materials

यह शोध पत्र AtomWorld को प्रस्तुत करता है, जो क्रिस्टलीय सामग्री संरचना संशोधनों पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने वाला एक बेंचमार्क है, जो यह प्रकट करता है कि जबकि Claude Opus 4.6 जैसे मॉडल बुनियादी कार्यों पर अच्छा प्रदर्शन करते हैं, उनकी सफलता जटिल स्थानिक तर्क (spatial reasoning) के साथ काफी कम हो जाती है, जो यह सुझाव देता है कि वे स्वायत्त एजेंटों के बजाय वैज्ञानिक सह-पायलट (scientific copilots) के रूप में अधिक उपयुक्त हैं।

Taoyuze Lv, Alexander Chen, Fengyu Xie, Chu Wu, Jeffrey Meng, Dongzhan Zhou, Yingheng Wang, Bram Hoex, Zhicheng Zhong, T (…)2026-05-29
💻 computer science

Mixing Mechanisms: How Language Models Retrieve Bound Entities In-Context

यह शोध पत्र यह प्रकट करता है कि जबकि भाषा मॉडल इन-कॉन्टेक्स्ट (in-context) बंधित संस्थाओं को पुनः प्राप्त करने के लिए प्रारंभ में एक स्थितिगत तंत्र (positional mechanism) पर निर्भर करते हैं, यह दृष्टिकोण जैसे-जैसे संदर्भ की जटिलता बढ़ती है, अविश्वसनीय होता जाता है, जिससे मॉडल को एक सुदृढ़, कारण संबंधी मॉडल (causal model) बनाने के लिए इसे लेक्सिकल (lexical) और रिफ्लेक्सिव (reflexive) तंत्रों के साथ पूरक करने के लिए प्रेरित किया जाता है जो विविध और लंबे इनपुट में व्यवहार का सटीक पूर्वानुमान लगा सके।

Yoav Gur-Arieh, Mor Geva, Atticus Geiger2026-05-29
🤖 AI

Obfuscation Rules for Detecting and Detoxifying Korean Toxicity

यह शोध पत्र KOTOX को प्रस्तुत करता है, जो पहला कोरियाई डेटासेट और ओपन ट्रांसफॉर्मेशन फ्रेमवर्क है जिसे भाषाई रूप से आधारित अस्पष्टता पैटर्न को वर्गीकृत करके और मानक टेक्स्ट पर प्रदर्शन से समझौता किए बिना छद्म अभिव्यक्तियों को संभालने के लिए मॉडलों को प्रशिक्षित करके, अस्पष्ट विषाक्त सामग्री का एक साथ पता लगाने और उसे विषमुक्त करने के लिए डिज़ाइन किया गया है।

Yejin Lee, Su-Hyeon Kim, Hyundong Jin, Dayoung Kim, Yeonsoo Kim, Yo-Sub Han2026-05-29
💻 computer science

Long-Context Modeling with Dynamic Hierarchical Sparse Attention for Memory-Constrained LLM Inference

यह शोध पत्र डायनेमिक हियरार्किकल स्पार्स अटेंशन (DHSA) का प्रस्ताव करता है, जो एक डेटा-संचालित ढांचा है जो सीमित हार्डवेयर पर मेमोरी-कुशल लॉन्ग-कॉन्टेक्स्ट LLM इन्फरेंस को सक्षम करने के लिए पदानुक्रमित रूटिंग (hierarchical routing) के माध्यम से ऑनलाइन अटेंशन स्पर्सिटी की भविष्यवाणी करता है, जबकि डेंस सटीकता के करीब बना रहता है और मौजूदा स्पार्स विधियों की तुलना में महत्वपूर्ण गति प्राप्त करता है।

Siheng Xiong, Joe Zou, Faramarz Fekri, Yae Jee Cho2026-05-29
💻 computer science

WaterSearch: A Quality-Aware Search-based Watermarking Framework for Large Language Models

यह शोध पत्र WaterSearch को प्रस्तुत करता है, जो लार्ज लैंग्वेज मॉडल्स के लिए एक नवीन वाक्य-स्तरीय, खोज-आधारित वॉटरमार्किंग फ्रेमवर्क है, जो नियंत्रित सीड पूल्स (seed pools) के माध्यम से वितरण निष्ठा (distribution fidelity) और सिग्नल विशेषताओं को संयुक्त रूप से अनुकूलित करके डिटेक्टेबिलिटी (detectability) और टेक्स्ट गुणवत्ता के बीच के समझौते को हल करता है, जिससे विविध कार्यों में महत्वपूर्ण प्रदर्शन सुधार और मजबूत एंटी-अटैक क्षमताएं प्राप्त होती हैं।

Yukang Lin, Jiahao Shao, Shuoran Jiang, Wentao Zhu, Bingjie Lu, Xiangping Wu, Joanna Siebert, Qingcai Chen2026-05-29
💻 computer science

Mindscape-Aware Retrieval Augmented Generation for Improved Long Context Understanding

यह शोध पत्र माइंडस्केप-अवेयर आरएजी (MiA-RAG) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो पदानुक्रमित सारांशीकरण के माध्यम से एक वैश्विक अर्थपूर्ण "माइंडस्केप" का निर्माण करके एलएलएम-आधारित प्रणालियों में दीर्घ-संदर्भ समझ को बढ़ाता है ताकि पुनर्प्राप्ति और सृजन दोनों को निर्देशित किया जा सके, जिससे बिखरे हुए साक्ष्यों के बीच अधिक मानवीय, सुसंगत तर्क सक्षम हो सके।

Yuqing Li, Jiangnan Li, Zheng Lin, Ziyan Zhou, Junjie Wu, Weiping Wang, Jie Zhou, Mo Yu2026-05-29
🤖 machine learning

When the Same Coefficients Reach Different Places: Asymmetric Realizability in Transplanting Tokenizers across Large Language Models

यह शोध पत्र बड़े भाषा मॉडलों (large language models) में टोकेनाइज़र प्रत्यारोपण (tokenizer transplantation) में एक संरचनात्मक "असममित यथार्थता" (asymmetric realizability) भेद्यता की पहचान करता है, जहाँ विशिष्ट गुणांक वेक्टरों (coefficient vectors) को "ब्रेकर टोकन" के रूप में इंजीनियर किया जा सकता है जो डोनर मॉडल में निष्क्रिय रहते हैं लेकिन बेस मॉडल में उच्च-सैलियन्स पुनर्निर्माण (high-salience reconstructions) को ट्रिगर करते हैं, जिससे वे मानक वेट-मर्जिंग जाँच और LoRA-आधारित शमन (mitigations) से बच निकलते हैं।

Xiaoze Liu, Weichen Yu, Matt Fredrikson, Xiaoqian Wang, Jing Gao2026-05-29
💻 computer science

Calibration Is Not Enough: Evaluating Confidence Estimation Under Language Variations

यह शोध पत्र भाषा मॉडल आत्मविश्वास अनुमान (language model confidence estimation) के लिए एक नवीन मूल्यांकन ढांचा प्रस्तुत करता है जो मजबूती, स्थिरता और भाषाई विविधताओं के प्रति संवेदनशीलता का आकलन करता है, जिससे यह पता चलता है कि मौजूदा विधियाँ अक्सर अर्थपूर्ण रूप से भिन्न उत्तरों के बीच अंतर करने में विफल रहती हैं, भले ही वे शुद्धता के अनुरूप हों।

Yuxi Xia, Dennis Ulmer, Terra Blevins, Yihong Liu, Hinrich Schütze, Benjamin Roth2026-05-29
🤖 AI

From Rubrics to Reliable Scores: Evidence-Grounded Text Evaluation with LLM Judges

यह शोध पत्र 'रूलर्स' (Rulers) का परिचय देता है, जो एक तीन-चरणीय इन्फरेंस-टाइम फ्रेमवर्क है जो मानवीय रूब्रिक्स को लॉक किए गए विनिर्देशों (specifications) में परिवर्तित करता है, संरचित साक्ष्य ग्राउंडिंग (structured evidence grounding) को लागू करता है, और विविध टेक्स्ट मूल्यांकन कार्यों में अधिक विश्वसनीय और मानव-संरेखित (human-aligned) एलएलएम स्कोरिंग प्राप्त करने के लिए सामान्य विफलता मोड पर काबू पाने हेतु पोस्ट-हॉक अंशांकन (post-hoc calibration) लागू करता है।

Yihan Hong, Huaiyuan Yao, Bolin Shen, Wanpeng Xu, Hua Wei, Yushun Dong2026-05-29
🤖 AI

Steering Language Models Before They Speak: Logit-Level Interventions

यह शोध पत्र SWAI को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) इन्फरेंस-टाइम विधि है जो कॉर्पस-व्युत्पन्न सांख्यिकीय पूर्वाग्रहों (statistical biases) को सीधे टॉप-K लोगिट उम्मीदवारों (top-K logit candidates) पर लागू करके भाषा मॉडल के आउटपुट को विनम्रता या पठनीयता जैसे विशिष्ट गुणों की ओर निर्देशित करता है, जिससे मॉडल मापदंडों को संशोधित किए बिना या सहायक मॉडलों की आवश्यकता के बिना बेहतर नियंत्रण प्राप्त होता है।

Hyeseon An, Shinwoo Park, Hyundong Jin, Yo-Sub Han2026-05-29