💬 NLP

RAG or Learning? Understanding the Limits of LLM Adaptation under Continuous Knowledge Drift in the Real World

यह शोध पत्र निरंतर वास्तविक दुनिया के ज्ञान विचलन (knowledge drift) के तहत लार्ज लैंग्वेज मॉडल्स (LLMs) के मूल्यांकन के लिए एक नया बेंचमार्क प्रस्तुत करता है, जो मौजूदा अनुकूलन विधियों की सीमाओं को उजागर करता है और "क्रोनोस" (Chronos) का प्रस्ताव करता है, जो एक समय-जागरूक रिट्रीवल बेसलाइन है जो बिना किसी अतिरिक्त प्रशिक्षण के कालानुक्रमिक रूप से सुसंगत समझ प्राप्त करने के लिए साक्ष्यों को एक इवेंट इवोल्यूशन ग्राफ (Event Evolution Graph) में व्यवस्थित करता है।

Hanbing Liu, Lang Cao, Yang Li2026-04-08
💬 NLP

EffiPair: Improving the Efficiency of LLM-generated Code with Relative Contrastive Feedback

यह शोध पत्र EffiPair को प्रस्तुत करता है, जो एक टेस्ट-टाइम इटरेटिव रिफाइनमेंट फ्रेमवर्क है जो संरचनात्मक रूप से समान कोड युग्मों की तुलना करने और बड़े लैंग्वेज मॉडल्स को बिना मॉडल फाइन-ट्यूनिंग के अधिक कुशल समाधान उत्पन्न करने की ओर निर्देशित करने के लिए रिलेटिव कॉन्ट्रास्टिव फीडबैक का लाभ उठाता है।

Samira Hajizadeh, Suman Jana2026-04-08
💬 NLP

EvolveRouter: Co-Evolving Routing and Prompt for Multi-Agent Question Answering

EvolveRouter एक प्रशिक्षण योग्य ढांचा है जो एक क्लोज्ड-लूप रिफाइनमेंट प्रक्रिया और एक अनुकूली सहयोग तंत्र के माध्यम से एजेंट प्रॉम्प्ट्स और रूटिंग रणनीतियों को सह-विकसित करके मल्टी-एजेंट प्रश्न उत्तर को बढ़ाता है, जिससे यह सटीकता और दक्षता दोनों में अत्याधुनिक बेसलाइनों से बेहतर प्रदर्शन करता है।

Jiatan Huang, Zheyuan Zhang, Kaiwen Shi, Yanfang Ye, Chuxu Zhang2026-04-08
💬 NLP

Planning to Explore: Curiosity-Driven Planning for LLM Test Generation

यह शोध पत्र CovQValue को प्रस्तुत करता है, जो एक जिज्ञासा-संचालित (curiosity-driven) योजना पद्धति है जो कोड ब्रांच संरचना को एक अज्ञात वातावरण के रूप में मानती है और सूचनात्मक परीक्षण जनरेशन योजनाओं को चुनने के लिए LLM-अनुमानित Q-मानों का उपयोग करती है, जो मौजूदा और नए प्रस्तावित दोनों बेंचमार्क पर उच्च ब्रांच कवरेज प्राप्त करने में ग्रीडी (greedy) दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करती है।

Alfonso Amayuelas, Firas Laakom, Piotr Piękos, Wenyi Wang, Yifan Xu, Yuhui Wang, Jürgen Schmidhuber, William Wang2026-04-08
💬 NLP

What Makes a Good Response? An Empirical Analysis of Quality in Qualitative Interviews

यह शोध पत्र साक्षात्कार प्रतिक्रिया गुणवत्ता के दस प्रस्तावित मापों का अनुभवजन्य मूल्यांकन करने के लिए 'क्वालिटेटिव इंटरव्यू कॉर्पस' (Qualitative Interview Corpus) प्रस्तुत करता है, जो यह प्रकट करता है कि अनुसंधान प्रश्नों से प्रत्यक्ष प्रासंगिकता, किसी प्रतिक्रिया के अध्ययन के निष्कर्षों में योगदान का सबसे मजबूत भविष्यवक्ता है, जबकि स्पष्टता और सरप्राइज़ल-आधारित सूचनात्मकता जैसे सामान्य एनएलपी (NLP) मेट्रिक्स नहीं हैं।

Jonathan Ivey, Anjalie Field, Ziang Xiao2026-04-08
💬 NLP

Faster Superword Tokenization

यह शोध पत्र सुपरमर्ज उम्मीदवारों को आवृत्ति के आधार पर एकत्रित करके और एक दो-चरणीय सूत्रीकरण का उपयोग करके, बाउंडलेसबीपीई (BoundlessBPE) और सुपरबीपीई (SuperBPE) टोकनाइज़ेशन विधियों के लिए एक काफी तेज़ प्रशिक्षण एल्गोरिदम प्रस्तुत करता है, जो समान परिणाम बनाए रखते हुए पिछले कार्यान्वयन की तुलना में 600 गुना गति बढ़ाता है।

Craig W. Schmidt, Chris Tanner, Yuval Pinter2026-04-08
🤖 machine learning

On the Geometry of Positional Encodings in Transformers

यह शोध पत्र ट्रांसफॉर्मर्स में पोजीशनल एनकोडिंग के लिए एक गणितीय सिद्धांत स्थापित करता है, जो क्रम-संवेदनशील कार्यों के लिए उनकी आवश्यकता को सिद्ध करता है, यह प्रदर्शित करता है कि प्रशिक्षण स्वाभाविक रूप से स्थितियों को अलग करता है, और मल्टीडायमेंशनल स्केलिंग के माध्यम से एक इष्टतम एनकोडिंग का निर्माण करता है जो स्ट्रेस और पैरामीटर संख्या को न्यूनतम करता है, जिसमें प्रयोगात्मक सत्यापन यह दर्शाता है कि ALiBi, साइनुसोइडल और रोटरी एनकोडिंगों से बेहतर प्रदर्शन करता है।

Giansalvo Cirrincione2026-04-08
💬 NLP

XMark: Reliable Multi-Bit Watermarking for LLM-Generated Texts

यह शोध पत्र XMark को पेश करता है, जो LLM-जनित टेक्स्ट के लिए एक नवीन मल्टी-बिट वॉटरमार्किंग विधि है, जो सीमित टोकन के साथ भी उच्च डिकोडिंग सटीकता प्राप्त करके और कम विकृत लॉजिट वितरण के माध्यम से टेक्स्ट की गुणवत्ता बनाए रखकर मौजूदा सीमाओं को दूर करता है।

Jiahao Xu, Rui Hu, Olivera Kotevska, Zikai Zhang2026-04-08
💬 NLP

Exemplar Retrieval Without Overhypothesis Induction: Limits of Distributional Sequence Learning in Early Word Learning

यह अध्ययन प्रदर्शित करता है कि ऑटोरेग्रेसिव ट्रांसफॉर्मर लैंग्वेज मॉडल्स, पूर्ण प्रथम-क्रम उदाहरण पुनर्प्राप्ति (first-order exemplar retrieval) प्राप्त करने के बावजूद, विकासात्मक-स्तर की प्रशिक्षण स्थितियों के तहत श्रेणी-निर्धारित विशेषताओं के बारे में द्वितीय-क्रम के अति-परिकल्पनाओं (second-order overhypotheses) को प्रेरित करने में विफल रहते हैं, और संरचित अमूर्तीकरण के बजाय फ्रेम-टू-फीचर टेम्पलेट मिलान पर निर्भर रहते हैं।

Jon-Paul Cacioli2026-04-08
🤖 machine learning

Improving Sparse Memory Finetuning

यह शोध पत्र स्पार्स मेमोरी फाइनट्यूनिंग (SMF) के लिए एक ओपन-सोर्स पाइपलाइन प्रस्तुत करता है जो उपभोक्ता हार्डवेयर पर कुशल निरंतर शिक्षण (continual learning) को सक्षम करने और कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को न्यूनतम करने के लिए प्रीट्रेंड मॉडल्स में स्पष्ट मेमोरी लेयर्स और एक KL डाइवर्जेंस-आधारित स्लॉट-सिलेक्शन मैकेनिज्म को रेट्रोफिट करता है।

Satyam Goyal, Anirudh Kanchi, Garv Shah, Prakhar Gupta2026-04-08