🤖 Category

cs.LG

28152 पेपर

🤖 मशीन लर्निंग

TRAJGANR: Trajectory-Centric Urban Multimodal Learning via Geospatially Aligned Neural Representations

TrajGANR एक नवीन प्रक्षेपवक्र-केंद्रित (trajectory-centric) भू-स्थानिक बहुविध स्व-पर्यवेक्षित शिक्षण ढांचा है जो सूक्ष्म तंत्रिका निरूपणों (fine-grained neural representations) के माध्यम से निरंतर मानव गति पैटर्न को स्थिर स्ट्रीट-व्यू इमेजरी और भौगोलिक स्थानों के साथ संरेखित करता है, जो मौजूदा विधियों की तुलना में शहरी गतिशीलता और सड़क समझ कार्यों में बेहतर प्रदर्शन प्राप्त करता है।

Maria Despoina Siampou, Gengchen Mai, Ni Lao, Jinmeng Rao, Neha Arora, Cyrus Shahabi, Shushman Choudhury2026-05-11
📊 सांख्यिकी

Why Does Agentic Safety Fail to Generalize Across Tasks?

यह शोध पत्र तर्क देता है कि एजेंटिक सुरक्षा (agentic safety) विभिन्न कार्यों में केवल प्रशिक्षण की सीमाओं के कारण ही नहीं, बल्कि इसलिए भी सामान्यीकृत (generalize) होने में विफल रहती है क्योंकि कार्य विशिष्टताओं (task specifications) को सुरक्षित निष्पादन (safe execution) के साथ मैप करने की अंतर्निहित जटिलता, अकेले निष्पादन की तुलना में मौलिक रूप से अधिक है, जो लिप्सचिट्ज़ स्थिरांक (Lipschitz constants) के सैद्धांतिक विश्लेषण और न्यूरल नेटवर्क एवं एलएलएम (LLM) एजेंटों के अनुभवजन्य प्रयोगों द्वारा समर्थित एक निष्कर्ष है।

Yonatan Slutzky, Yotam Alexander, Tomer Slor, Yoav Nagel, Nadav Cohen2026-05-11
🤖 मशीन लर्निंग

Echo: KV-Cache-Free Associative Recall with Spectral Koopman Operators

इको (Echo) एक KV-कैश-मुक्त आर्किटेक्चर है जो लंबी अनुक्रमों (sequences) पर निरंतर-मेमोरी और पूर्ण साहचर्य पुनस्मरण (associative recall) प्राप्त करने के लिए स्टेट-स्पेस मॉडल्स में स्पेक्ट्रल कूपमैन अटेंशन (Spectral Koopman Attention) को एकीकृत करता है, जो प्रभावी रूप से शुद्ध SSMs की पुनर्प्राप्ति सीमाओं और पारंपरिक ट्रांसफॉर्मर्स की मेमोरी बाधाओं को दूर करता है।

Anupama Sridhar, Alexander Johansen2026-05-11
🤖 मशीन लर्निंग

Dual-Agent Co-Training for Health Coaching via Implicit Adversarial Preference Optimization

यह शोध पत्र एक दोहरे-एजेंट सह-प्रशिक्षण ढांचे का प्रस्ताव करता है जो निहित प्रतिकूल वरीयता अनुकूलन (implicit adversarial preference optimization) के माध्यम से एक एआई स्वास्थ्य कोच और एक क्लाइंट सिम्युलेटर दोनों को संवादात्मक रूप से अनुकूलित करता है, जो प्रेरणादायक साक्षात्कार-आधारित स्वास्थ्य कोचिंग की गुणवत्ता और मापनीयता में सुधार करने के लिए एकतरफा प्रशिक्षण की सीमाओं को प्रभावी ढंग से दूर करता है।

Da Long, Lingyi Fu, Diya Michelle Rao, Jasmine Ruales Carrera, Yang Bai, Shandian Zhe2026-05-11
🤖 मशीन लर्निंग

FlashMol: High-Quality Molecule Generation in as Few as Four Steps

यह शोध पत्र FlashMol को पेश करता है, जो एक अत्यंत तीव्र जनरेटिव मॉडल है जो अनुकूलित टाइमस्टेप रिस्पेसिंग (timestep respacing) और जेन्सन-शैनन डाइवर्जेंस (Jensen-Shannon divergence) रेगुलाइजेशन के साथ डिस्ट्रीब्यूशन मैचिंग डिस्टिलेशन (distribution matching distillation) को अनुकूलित करके मात्र चार चरणों में उच्च गुणवत्ता वाले 3D आणविक कन्फर्मेशन (molecular conformations) उत्पन्न करता है, जो पारंपरिक डिफ्यूजन मॉडल्स की गुणवत्ता को बनाए रखते हुए या उससे बेहतर प्रदर्शन करते हुए 250×\times तक का त्वरण (acceleration) प्राप्त करता है।

Xinyuan Wei, Zian Li, Shaoheng Yan, Cai Zhou, Muhan Zhang2026-05-11
🤖 मशीन लर्निंग

Self Driving Datasets: From 20 Million Papers to Nuanced Biomedical Knowledge at Scale

यह शोध पत्र "स्टारलिंग" (Starling) को प्रस्तुत करता है, जो एक मल्टी-एजेंट डीप रिसर्च सिस्टम है जो स्वायत्त रूप से संपूर्ण पबमेड (PubMed) कॉर्पस को बड़े पैमाने पर, उच्च-सटीक और सूक्ष्मता-युक्त संरचित बायोमेडिकल डेटासेट में परिवर्तित करता है, जो पैमाने और डेटा गुणवत्ता दोनों में पारंपरिक मैन्युअल रूप से क्यूरेट किए गए रिपॉजिटरी से बेहतर प्रदर्शन करता है।

Haydn Jones, Yimeng Zeng, Alden Rose, Li S. Yifei, Yining Huang, Kaiwen Wu, Jiaming Liang, Maggie Ziyu Huan, Yoseph Bara (…)2026-05-11
🤖 मशीन लर्निंग

Delulu: A Verified Multi-Lingual Benchmark for Code Hallucination Detection in Fill-in-the-Middle Tasks

यह शोधपत्र Delulu को प्रस्तुत करता है, जो 1,951 प्रतिकूल रूप से क्यूरेट किए गए नमूनों से बना एक कठोरता से सत्यापित बहुभाषी बेंचमार्क है, जो फिल-इन-द-मिडल (Fill-in-the-Middle) कार्यों में विश्वसनीय किंतु त्रुटिपूर्ण मतिभ्रम (hallucinations) उत्पन्न करने के प्रति अत्याधुनिक कोड जनरेशन मॉडलों की निरंतर भेद्यता को उजागर करता है।

Mahdi Erfanian, Nelson Daniel Troncoso, Aashna Garg, Amabel Gale, Xiaoyu Liu, Pareesa Ameneh Golnari, Shengyu Fu2026-05-11
🤖 मशीन लर्निंग

A Systematic Investigation of The RL-Jailbreaker in LLMs

यह शोध पत्र RL-आधारित जेलब्रेकिंग का पहला व्यवस्थित अपघटन प्रस्तुत करता है, जो यह प्रकट करता है कि पर्यावरणीय औपचारिकीकरण कारक—विशेष रूप से सघन पुरस्कार (dense rewards) और विस्तारित एपिसोड की लंबाई—सभी लक्षित लार्ज लैंग्वेज मॉडल्स और उनके सुरक्षा उपायों के विरुद्ध सफल हमलों के प्राथमिक चालक हैं।

Montaser Mohammedalamen, Kevin Roice, Reginald McLean, Alyssa Lefaivre Škopac2026-05-11
🤖 मशीन लर्निंग

PACEvolve++: Improving Test-time Learning for Evolutionary Search Agents

PACEvolve++ एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचे को पेश करता है जो एक प्रशिक्षित सलाहकार (advisor) और एक फ्रंटियर मॉडल का उपयोग करके रणनीतिक परिकल्पना चयन को कार्यान्वयन से अलग करता है, जो विविध इंजीनियरिंग और वैज्ञानिक कार्यों में तेज़ अभिसरण (convergence) और स्थिर टेस्ट-टाइम लर्निंग प्राप्त करने के लिए एक चरण-अनुकूली (phase-adaptive) प्रशिक्षण रणनीति को नियोजित करता है।

Minghao Yan, Bo Peng, Benjamin Coleman, Ziqi Chen, Zhouhang Xie, Shuo Chen, Zhankui He, Noveen Sachdeva, Weili Wang, Ed (…)2026-05-11
📊 सांख्यिकी

An Interpretable and Scalable Framework for Evaluating Large Language Models

यह शोध पत्र पारंपरिक आइटम रिस्पॉन्स थ्योरी (Item Response Theory) विधियों की कम्प्यूटेशनल और स्थिरता संबंधी सीमाओं को दूर करने के लिए मेजराइजेशन-मिनिमाइजेशन (majorization-minimization) सिद्धांत पर आधारित एक स्केलेबल और व्याख्या योग्य ढांचे का प्रस्ताव करता है, जो विविध बेंचमार्क पर लार्ज लैंग्वेज मॉडल्स के कुशल और सटीक मूल्यांकन को सक्षम बनाता है।

Xinhao Qu, Qiang Heng, Hao Zeng, Xiaoqian Liu2026-05-11