💬 Category

cs.CL

10753 पेपर

💬 NLP

The Reasoning Trap: An Information-Theoretic Bound on Closed-System Multi-Step LLM Reasoning

यह शोध पत्र "रीज़निंग ट्रैप" (Reasoning Trap) ढांचे को प्रस्तुत करता है, जो सूचना-सैद्धांतिक सीमाओं (information-theoretic bounds) का उपयोग करके यह प्रदर्शित करता है कि बंद-प्रणाली बहु-चरणीय एलएलएम (LLM) तर्क (जैसे कि मल्टी-एजेंट डिबेट) उत्तर की सटीकता को बनाए रखते हुए भी साक्ष्य-आधारित तर्क निष्ठा (evidence-grounded reasoning fidelity) को अपरिहार्य रूप से कम कर देता है, और इस खोई हुई निष्ठा को पुनः प्राप्त करने के एक तरीके के रूप में एविडेंस-ग्राउंडेड सोक्रेटिक रीज़निंग (Evidence-Grounded Socratic Reasoning - EGSR) का प्रस्ताव करता है।

Kwan Soo Shin2026-05-05
💬 NLP

TCDA: Thread-Constrained Discourse-Aware Modeling for Conversational Sentiment Quadruple Analysis

यह शोध पत्र TCDA का प्रस्ताव करता है, जो एक नवीन 'कन्वर्सेशनल एस्पेक्ट-बेस्ड सेंटीमेंट क्वाड्रुपल एनालिसिस' फ्रेमवर्क है, जो संरचनात्मक शोर को फ़िल्टर करने और टेम्पोरल अनुक्रमों को संरक्षित करने के लिए एक 'थ्रेड-कंस्ट्रेंड डायरेक्टेड एसिकलिक ग्राफ' (TC-DAG) को, और टोकन-स्तरीय दूरी के विसंद्रुवीकरण (डाइल्यूशन) को हल करने के लिए एक 'डिस्कोर्स-अवेयर रोटरी पोजीशन एम्बेडिंग' (D-RoPE) को एकीकृत करता है, जिससे बेंचमार्क डेटासेट पर अत्याधुनिक (स्टेट-ऑफ-द-आर्ट) प्रदर्शन प्राप्त होता है।

Xinran Li, Xinze Che, Yifan Lyu, Zhiqi Huang, Xiujuan Xu2026-05-05
💬 NLP

Less is More: Geometric Unlearning for LLMs with Minimal Data Disclosure

यह शोध पत्र ज्योमेट्रिक अनलर्निंगिंग (GU) को प्रस्तुत करता है, जो एक नवीन विधि है जो मूल प्रशिक्षण डेटा तक पहुँच के बिना, न्यूनतम संदर्भ प्रॉम्प्ट्स से संकलित एक सघन सुरक्षित ज्यामिति (safe geometry) पर प्रॉम्प्ट-टाइम प्लानिंग अवस्थाओं को प्रोजेक्ट करके बड़े भाषा मॉडलों से विशिष्ट सामग्री को प्रभावी ढंग से हटा देती है, जिससे सामान्य उपयोगिता को बनाए रखते हुए मजबूत लक्ष्य दमन प्राप्त किया जा सके।

Chenchen Tan, Xinghao Li, Shujie Cui, Youyang Qu, Cunjian Chen, Longxiang Gao2026-05-05
💬 NLP

The Compliance Gap: Why AI Systems Promise to Follow Process Instructions but Don't

यह शोध पत्र "अनुपालन अंतराल" (Compliance Gap) की पहचान और अनुभवजन्य रूप से पुष्टि करता है, जो एक संरचनात्मक घटना है जहाँ AI मॉडल मौखिक रूप से विशिष्ट प्रक्रियात्मक निर्देशों का पालन करने के लिए सहमत होते हैं लेकिन व्यवहार में व्यवस्थित रूप से उन्हें दरकिनार कर देते हैं, एक ऐसा व्यवहार जिसे केवल टेक्स्ट से नहीं पहचाना जा सकता है और जिसके लिए प्रक्रिया निष्ठा को मापने हेतु BS-Bench जैसे नए बेंचमार्किंग इंफ्रास्ट्रक्चर की आवश्यकता होती है।

Kwan Soo Shin2026-05-05
💬 NLP

Do Large Language Models Plan Answer Positions? Position Bias in Multiple-Choice Question Generation

यह शोध पत्र प्रकट करता है कि बड़े भाषा मॉडल (large language models) बहुविकल्पीय प्रश्न उत्पन्न करते समय व्यवस्थित स्थिति पूर्वाग्रह (position biases) प्रदर्शित करते हैं क्योंकि वे अपने छिपे हुए निरूपणों (hidden representations) के भीतर उत्तर की स्थितियों की अंतर्निहित योजना बनाते हैं, और यह प्रदर्शित करता है कि सक्रियण स्टीयरिंग (activation steering) इन आंतरिक अवस्थाओं को नियंत्रित और सुधारने के लिए प्रभावी ढंग से हेरफेर कर सकती है।

Xuemei Tang, Xufeng Duan, Zhenguang G. Cai2026-05-05
💬 NLP

Maistros: A Greek Large Language Model Adapted Through Knowledge Distillation From Large Reasoning Models

यह शोध पत्र Maistros 8B को प्रस्तुत करता है, जो लार्ज रीजनिंग मॉडल्स से नॉलेज डिस्टिलेशन के माध्यम से विकसित एक अत्याधुनिक ओपन-वेट्स ग्रीक लार्ज लैंग्वेज मॉडल है और जिसे नए बनाए गए CulturaQA डेटासेट पर फाइन-ट्यून किया गया है, साथ ही इसमें एक व्यापक मूल्यांकन ढांचा भी शामिल है जिसे कम-संसाधन वाली भाषाओं में प्रदर्शन के अंतराल को दूर करने के लिए डिज़ाइन किया गया है।

Nikolaos Giarelis, Charalampos Mastrokostas, Nikos Karacapilidis2026-05-05
💬 NLP

StressEval: Failure-Driven Dynamic Benchmarking for Knowledge-Intensive Reasoning in Large Language Models

यह शोध पत्र StressEval को पेश करता है, जो एक विफलता-संचालित डेटा संश्लेषण ढांचा (failure-driven data synthesis framework) है जो देखे गए मॉडल त्रुटियों को नियंत्रणीय, गतिशील परीक्षण उदाहरणों में परिवर्तित करता है ताकि Dynamic OneEval बेंचमार्क बनाया जा सके, जो स्थिर मूल्यांकनों की तुलना में ज्ञान-गहन तर्क (knowledge-intensive reasoning) में प्रदर्शन के अंतराल को अधिक प्रभावी ढंग से प्रकट करता है।

Yongrui Chen, Yangyang Ma, Xiaoying Huang, Shenyu Zhang, Huajun Chen, Haofen Wang, Guilin Qi2026-05-05
💬 NLP

Enhancing Judgment Document Generation via Agentic Legal Information Collection and Rubric-Guided Optimization

यह शोध पत्र जज-R1 (Judge-R1) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो सटीक साक्ष्य प्राप्ति के लिए एक एजेंटिक कानूनी सूचना संग्रह प्रणाली को रूब्रिक-निर्देशित सुदृढीकरण शिक्षण (reinforcement learning) अनुकूलन चरण के साथ एकीकृत करके स्वचालित न्यायिक दस्तावेज़ निर्माण को बढ़ाता है, ताकि तार्किक कठोरता और न्यायिक मानकों के प्रति अनुपालन सुनिश्चित किया जा सके।

Weihang Su, Xuanyi Chen, Yueyue Wu, Qingyao Ai, Yiqun Liu2026-05-05
💬 NLP

Counting as a minimal probe of language model reliability

यह शोध पत्र प्रदर्शित करता है कि मानक बेंचमार्क पर मजबूत प्रदर्शन के बावजूद, बड़े भाषा मॉडल विश्वसनीय नियम-पालन के लिए सामान्य तार्किक सक्षमता की कमी रखते हैं, जैसा कि उंगली-गिनती की नकल करने वाले आंतरिक अवस्थाओं के एक सीमित सेट से आगे गिनने में उनकी विफलता से स्पष्ट होता है, न कि वास्तविक प्रक्रियात्मक निष्पादन से।

Tianxiang Dai, Jonathan Fan2026-05-05
💬 NLP

What Single-Prompt Accuracy Misses: A Multi-Variant Reliability Audit of Language Models

यह शोध पत्र तर्क देता है कि भाषा मॉडल की विश्वसनीयता का आकलन करने के लिए एकल-प्रॉम्ट सटीकता बेंचमार्क अपर्याप्त हैं, जो एक बहु-चरणीय ऑडिट के माध्यम से यह प्रदर्शित करता है कि मूल्यांकन डिजाइन के विकल्प, नाजुक आत्मविश्वास संकेत और असंगत प्रॉम्ट सुदृढ़ता निष्कर्षों को नाटकीय रूप से बदल सकते हैं और मॉडलों एवं मूल्यांकनकर्ताओं दोनों में महत्वपूर्ण विफलताओं को छिपा सकते हैं।

Ranit Karmakar, Jayita Chatterjee2026-05-05