🤖 Category

cs.LG

20106 पेपर

🤖 AI

Faithful, Not Corrective: Message-Format Effects in Multi-Hop Agent Relays Are Tier-Dependent

यह शोध पत्र प्रदर्शित करता है कि संदेश प्रारूपों का मल्टी-हॉप एलएलएम एजेंट रिले पर प्रभाव टियर-निर्भर है, जो यह प्रकट करता है कि जहाँ मजबूत एजेंट विभिन्न प्रारूपों में लगभग हानि-रहित निष्ठा बनाए रखते हैं, वहीं कमजोर एजेंट प्रारूप-संचालित प्रदर्शन विचलन से जूझते हैं जहाँ कठोर संरचनाएं एन्कोडिंग लागत उत्पन्न करती हैं लेकिन फिक्स्ड-की जेसन (JSON) बेहतर ड्रिफ्ट प्रतिरोध प्रदान करता है, जो अंततः यह स्थापित करता है कि संरचना त्रुटि सुधार के बजाय त्रुटि-स्थानीयकरण निष्ठा प्रदान करती है।

Zayx Shawn2026-07-14
🤖 machine learning

AuditWeave: A Tamper-Evident, Auditor-Navigable Evidence Layer for AI-Assisted and Data-Transformation Workflows

AuditWeave एक हल्का, डिपेंडेंसी-मुक्त पायथन लाइब्रेरी है जो चरणों को एक एकल, हैश-चेन्ड, अपेंड-ओनली लेजर में रिकॉर्ड करके AI-सहायता प्राप्त और डेटा-रूपांतरण वर्कफ़्लो के लिए छेड़छाड़-प्रमाणित अखंडता सुनिश्चित करता है, जिससे ऑडिटर्स विशिष्ट निष्कर्षों को उनके अपरिवर्तित सहायक साक्ष्यों तक ट्रेस करने में सक्षम होते हैं।

Vimal Nakrani2026-07-14
🤖 machine learning

Ablation, Statistical Inference, and Validation for KV-Cache Compression

यह शोध पत्र सांख्यिकीय सत्यापन के माध्यम से Turbo-Quant और SpectralQuant जैसे KV-कैश संपीड़न (compression) विधियों का व्यवस्थित रूप से मूल्यांकन करता है, जिससे यह पता चलता है कि जहाँ आइगनबेसिस-आधारित (eigenbasis-based) दृष्टिकोण कोवैरिएंस अस्थिरता के कारण हेवी-टेल्ड (heavy-tailed) डेटा के साथ संघर्ष करना पड़ता है, वहीं वे उन संरचित व्यवस्थाओं में अच्छा प्रदर्शन करते हैं जहाँ प्रभावी सिमेंटिक आयाम वास्तविक डेटा रैंक के बजाय कैलिब्रेशन बजट के अनुकूल होता है।

Paolo D'Alberto, Ashish Siarasao, Elliott Delaye, Rajeev Patwari2026-07-14
🤖 machine learning

SciML in the Wild: A Diagnostic Study of When Structural Priors Help and When They Hurt

मैक्रोइकोनॉमिक फोरकास्टिंग (समष्टि आर्थिक पूर्वानुमान) पर यह नैदानिक अध्ययन प्रदर्शित करता है कि साइंटिफिक मशीन लर्निंग में स्ट्रक्चरल प्रायर्स (संरचनात्मक पूर्ववृत्त) "मिसरेगुलराइज़र" के रूप में कार्य कर सकते हैं और प्रदर्शन को खराब कर सकते हैं जब वे अंतर्निहित डेटा-जनरेटिंग प्रक्रिया से मेल खाने में विफल रहते हैं, जो यह सुझाव देता है कि जटिल, लो-फ्रीक्वेंसी डोमेन में कम-प्रतिबंधित मॉडल अक्सर अत्यधिक प्रतिबंधित मॉडलों की तुलना में बेहतर प्रदर्शन करते हैं।

Vrishank Sai Anand, Prathamesh Dinesh Joshi, Raj Abhijit Dandekar, Rajat Dandekar, Sreedath Panat2026-07-14
🤖 machine learning

Prioritizing Search Space Regions in the Low Autocorrelation Binary Sequences Problem

यह शोध पत्र एक हाइब्रिड सर्च फ्रेमवर्क पेश करता है जो LABS सर्च स्पेस में कंप्यूटेशनल संसाधनों को अनुकूल रूप से आवंटित करने के लिए थॉम्पसन सैंपलिंग (Thompson sampling) को समानांतर सेल्फ-अवॉइडिंग वॉक्स (parallel self-avoiding walks) और GPU त्वरण (GPU acceleration) के साथ जोड़ता है, जो 35 अनुक्रम लंबाई (sequence lengths) के लिए सर्वोत्तम ज्ञात परिणामों में सफलतापूर्वक सुधार करता है और 8.0 से अधिक मेरिट फैक्टर वाले एक नए सबसे लंबे अनुक्रम की खोज करता है।

Blaž Pšeničnik, Borko Bošković, Jan Popić, Janez Brest2026-07-14
🤖 machine learning

What Context Does a Coding Agent Actually Need to Act?

यह शोध पत्र यह प्रदर्शित करता है कि कोड संपादित करने वाले कोडिंग एजेंटों के लिए, आवश्यक संदर्भ सख्ती से केवल संशोधित किए जा रहे विशिष्ट फ़ाइलों तक ही सीमित है, क्योंकि प्राकृतिक भाषा के सारांश और आस-पास की फ़ाइल सामग्री, स्रोत कोड की तुलना में समस्या समाधान में नगण्य योगदान देती है, जबकि यह गैर-नियत API अनुमान (non-deterministic API inference) के कारण बेंचमार्क परिणामों में एक महत्वपूर्ण शोर स्तर (noise floor) को भी प्रकट करता है।

Brian Sam-Bodden2026-07-14✓ Author reviewed ⓘ
🤖 machine learning

Reference-Based Distillation Detection in LLMs

यह शोध पत्र एक संदर्भ-आधारित डिस्टिलेशन डिटेक्शन (distillation detection) पद्धति प्रस्तुत करता है जो हिडन पाइपलाइनों वाले जटिल वास्तविक परिदृश्यों में भी, छात्र मॉडलों के आउटपुट की तुलना उनके पूर्ववर्ती वंश चेकपॉइंट्स (lineage checkpoints) से करके, मेंबरशिप इन्फरेंस (membership inference) और प्रॉक्सी प्रॉम्प्ट इन्फरेंस (proxy prompt inference) का लाभ उठाकर, शिक्षक मॉडलों की सटीक पहचान करने और एलएलएम (LLMs) में डिस्टिलेशन का पता लगाने के लिए उपयोग किया जाता है।

Rajat Rawat, Sizhe Chen, Akshay Anand, Michael Duan, Bob Rotsted, Sewon Min2026-07-14
🤖 machine learning

FedCausal-Dyn: A Causal-Dynamic Paradigm for Federated Learning under Dynamic Feature Drift

यह शोध पत्र FedCausal-Dyn का प्रस्ताव करता है, जो एक नवीन फेडरेटेड लर्निंग फ्रेमवर्क है जो गैर-स्थिर (non-stationary) वातावरण में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए कॉज़ल-डोमेन फीचर सेपरेशन और डायनेमिक प्रोटोटाइप एग्रीगेशन का उपयोग करके डायनेमिक फीचर ड्रिफ्ट को संबोधित करता है।

Kaijie Chen, Alex Johnson, Maria Garcia, Wei Zhang, Daniel Kim2026-07-14
🤖 machine learning

Mitigating Early Training Collapse in CTR Models

यह शोध पत्र यह पहचान करता है कि डीप सीटीआर (CTR) मॉडल अक्सर पहले इपोक के बाद तत्काल सत्यापन प्रदर्शन पतन (validation performance collapse) से ग्रस्त होते हैं और यह प्रदर्शित करता है कि जबकि लर्निंग रेट ट्यूनिंग सीमित मदद प्रदान करती है, अत्यधिक विरल (sparse) विशेषताओं को हटाने और विरल मानों को एकत्रित करके विशेषता विरलता (feature sparsity) को नियंत्रित करना प्रशिक्षण को प्रभावी ढंग से स्थिर करता है और ऑफलाइन एवं ऑनलाइन दोनों प्रदर्शनों में महत्वपूर्ण सुधार करता है।

Ergun Biçici, Erkan Çetinyamaç2026-07-14
🤖 machine learning

Safe responses matter: Output-aware safety guardrail mitigate over-refusal in MLLMs

यह शोध पत्र एक आउटपुट-अवेयर सेफ्टी गार्डरेल प्रस्तावित करता है जो मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में सुरक्षा और उपयोगिता दोनों को बनाए रखने के लिए, इनपुट-साइड फिल्टर्स में आम 'ओवर-रिफ्यूज़ल' की समस्या को कम करने हेतु मॉडल के हिडन स्टेट स्पेस के भीतर संभावित असुरक्षित जनरेशन का पूर्वानुमान लगाता है।

Jiayi Li, Kun Zhan2026-07-14