💻 Category

cs.CY

2249 पेपर

📈 economics

Scaling the Queue: Reinforcement Learning for Equitable Call Classification Capacity in NYC Municipal Complaint Systems

यह शोध पत्र न्यूयॉर्क शहर की नगर निगम शिकायत प्रणालियों के लिए एक इक्विटी-केंद्रित सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो छह डिपार्टमेंट ऑफ बिल्डिंग्स डोमेन में कॉल वर्गीकरण क्षमता को अनुकूलित करने के लिए एक बुद्धिमान राउटर के रूप में कार्य करके थ्रूपुट को अधिकतम करता है, त्रुटियों को कम करता है, और ऐतिहासिक नस्लीय एवं आय-आधारित सेवा असमानताओं को सक्रिय रूप से कम करता है।

Irene Aldridge, Ellie Bae, Siddhesh Darak, Nicholas Donat, Akhil Fernando-Bell, Bella Ge, Nicholas Goguen-Compagnoni, Is (…)2026-05-08
💬 NLP

Algospeak, Hiding in the Open: The Trade-off Between Legible Meaning and Detection Avoidance

यह शोध पत्र "एल्गोस्पीक" (Algospeak) बचाव रणनीतियों में पहचान क्षमता (detectability) और बोधगम्यता (comprehensibility) के बीच के संतुलन का विश्लेषण करने के लिए एक औपचारिक रूपरेखा और डेटासेट प्रस्तुत करता है, जो यह मापने के लिए एक "मेजोरिटी अंडरस्टैंडेबल मॉड्यूलेशन" (Majority Understandable Modulation) थ्रेशोल्ड को परिभाषित करता है कि भाषाई परिवर्तन मानव समझ और एआई डिटेक्शन दोनों को कैसे प्रभावित करते हैं।

Jan Fillies, Ronald E. Robertson, Jeffrey Hancock2026-05-08
💻 computer science

What is Human in Judgment? Comparing Automation Bias and Algorithm Aversion Between the United States Military Academy and the General Public

यह अध्ययन यूनाइटेड स्टेट्स मिलिट्री एकेडमी के कैडेटों और आम जनता के बीच ऑटोमेशन बायस (स्वचालन पूर्वाग्रह) और एल्गोरिदम एवर्जन (एल्गोरिदम के प्रति अरुचि) की तुलना करता है, जिसमें यह पाया गया है कि सैन्य शिक्षा एआई निर्णय-सहायता प्रणालियों में बेहतर-कैलिब्रेटेड विश्वास को बढ़ावा देती है, जिससे भविष्य के संघर्षों में त्रुटि और गलत गणना के जोखिमों को संभावित रूप से कम किया जा सकता है।

Lauren Kahn, Michael C. Horowitz, Laura Resnick Samotin2026-05-07
🤖 machine learning

Investigating Trustworthiness of Nonparametric Deep Survival Models for Alzheimer's Disease Progression Analysis

यह लेख हाशिए पर रहने वाले समूहों के प्रति महत्वपूर्ण पूर्वाग्रहों को उजागर करके और इन असमानताओं को मापने तथा संबोधित करने के लिए दो नवीन निष्पक्षता मेट्रिक्स प्रस्तावित करके, अल्जाइमर रोग की प्रगति के लिए नॉनपैरामीट्रिक डीप सर्वाइवल मॉडलों की विश्वसनीयता का परीक्षण करता है।

Jacob Thrasher, Kaitlyn Heintzelman, Peter Martone, David Kotlowski, Binod Bhattarai, Donald Adjeroh, Prashnna Gyawali2026-05-07
💻 computer science

Are Multimodal LLMs Ready for Clinical Dermatology? A Real-World Evaluation in Dermatology

यह अध्ययन दर्शाता है कि जहाँ मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स सार्वजनिक त्वचा रोग संबंधी बेंचमार्क पर आशाजनक हैं, वहीं वास्तविक नैदानिक सेटिंग्स में उनकी नैदानिक सटीकता काफी कम हो जाती है, जो यह संकेत देता है कि वर्तमान मॉडल अभी तक बेडसाइड उपयोग के लिए पर्याप्त विश्वसनीय नहीं हैं।

Roy Jiang, Hyunjae Kim, Zhenyue Qin, Morten Lee, Margaret MacGibeny, Ailish Hanly, Angela Sadlowski, Shanin Chowdhury, X (…)2026-05-07
🤖 machine learning

Position: the Stochastic Parrot in the Coal Mine. Model Collapse is a Threat to Low-Resource Communities

यह स्थिति पत्र तर्क देता है कि मॉडल कोलैप्स (model collapse), जो जनरेटिव एआई को उसके अपने आउटपुट पर प्रशिक्षित करने से प्रेरित होता है, डेटा की गुणवत्ता और दक्षता को कम करके एआई के लोकतंत्रीकरण के लिए खतरा पैदा करता है, जिससे सांस्कृतिक पूर्वाग्रहों को सुदृढ़ करने और पर्यावरणीय लागतों के माध्यम से कम-संसाधन वाले और हाशिए पर स्थित समुदायों को असमान रूप से नुकसान पहुँचता है।

Devon Jarvis, Richard Klein, Benjamin Rosman, Steven James, Stefano Sarao Mannelli2026-05-07
💻 computer science

Frontier Lag: A Bibliometric Audit of Capability Misrepresentation in Academic AI Evaluation

यह कार्य एक बिब्लियोमेट्रिक परीक्षण प्रस्तुत करता है जो दर्शाता है कि एआई (AI) क्षमताओं के शैक्षणिक आकलन व्यवस्थित रूप से वर्तमान अत्याधुनिक अवस्था से एक दशक से अधिक पीछे हैं, एक ऐसा अंतराल जो प्रकाशन विलंब के कारण चौड़ा होता जा रहा है और जिसे मॉडल कॉन्फ़िगरेशन के व्यापक गलत निरूपण के साथ-साथ विशिष्ट रूप से मूल्यांकित प्रणालियों के बजाय "एआई" के बारे में अति-सामान्यीकृत दावों द्वारा और भी बढ़ा दिया गया है।

David Gringras, Misha Salahshoor2026-05-07
📊 statistics

Heterogeneous Ordinal Structure Learning with Bayesian Nonparametric Complexity Discovery

यह शोध पत्र एक विषम क्रमिक संरचना-शिक्षण ढांचे (heterogeneous ordinal structure-learning framework) को प्रस्तुत करता है जो एआई के प्रति विविध सार्वजनिक दृष्टिकोणों को बेहतर ढंग से मॉडल करने के लिए बेयसियन गैर-पैरामीट्रिक जटिलता खोज (Bayesian nonparametric complexity discovery) को पुष्ट क्लस्टर-विशिष्ट DAG अनुमान (confirmatory cluster-specific DAG estimation) के साथ जोड़ता है, जो एक बड़े पैमाने के सर्वेक्षण डेटासेट पर मौजूदा एकल-ग्राफ और केवल-मिश्रण बेसलाइन की तुलना में महत्वपूर्ण भविष्य कहनेवाला सुधार प्रदर्शित करता है।

Amir Rafe, Subasish Das2026-05-07
💻 computer science

Coupled-NeuralHP: Directional Temporal Coupling Between AI Innovation Exposure and Public Response

यह शोध पत्र Coupled-NeuralHP को प्रस्तुत करता है, जो एक हाइब्रिड इवेंट-प्लस-स्टेट मॉडल है जो AI नवाचार एक्सपोज़र से सार्वजनिक प्रतिक्रिया तक के दिशात्मक टेम्पोरल कपलिंग को प्रभावी ढंग से कैप्चर करता है, जो नवाचार गणनाओं के पूर्वानुमान में पारंपरिक बेसलाइन से बेहतर प्रदर्शन करता है और अर्ध-सिंथेटिक परीक्षणों में कारण संबंधों (causal links) को रिकवर करता है, जबकि 2022 में कोई भी रेजीम ब्रेक का प्रमाण नहीं पाता है।

Amir Rafe, Subasish Das2026-05-07
💻 computer science

AI and Suicide Prevention: A Cross-Sector Primer

यह शोध पत्र, जो एक 2026 के बहु-हितधारक कार्यशाला से विकसित किया गया है, एक क्रॉस-सेक्टर प्राइमर के रूप में कार्य करता है जो नैदानिक सर्वोत्तम प्रथाओं और फ्रंटियर एआई सिस्टम की वर्तमान क्षमताओं को रेखांकित करता है ताकि आत्महत्या रोकथाम और कल्याण में सुधार के तत्काल प्रयास में एआई लैब्स, मानसिक स्वास्थ्य चिकित्सकों और नीति निर्माताओं को संरेखित करने के लिए चुनौतियों का मानचित्रण किया जा सके और प्राथमिकता वाले क्षेत्रों की पहचान की जा सके।

Emily Saltz, Claire R. Leibowicz2026-05-07