📊 statistics

A Unified Detection Framework for AI-Related Content and Artifacts

यह शोध पत्र महलानोबिस दूरी स्कोर (Mahalanobis distance scores) पर आधारित एक एकीकृत पहचान ढांचे का प्रस्ताव करता है जो सकारात्मक वर्गों को मजबूती से चित्रित करने के लिए नवीन संयुक्त केसवाइज (casewise) और सेलवाइज (cellwise) न्यूनतम सहप्रसरण निर्धारक अनुमानकों (minimum covariance determinant estimators) का उपयोग करता है, जिससे एआई-जनित टेक्स्ट, मतिभ्रम (hallucinations), वॉटरमार्क और प्रतिकूल उदाहरणों (adversarial examples) की प्रभावी पहचान सक्षम होती है।

Xifeng Zhang, Tao Hu, Yijie Peng, Wan Tian2026-07-09
💬 NLP

PALS: Percentile-Aware Layerwise Sparsity for LLM Pruning

यह शोध पत्र PALS का प्रस्ताव करता है, जो एक वन-शॉट प्रूनिंग विधि है जो एक्टिवेशन मैग्नीट्यूड्स के आधार पर ट्रांसफॉर्मर लेयर्स में स्पर्सिटी रेश्यो को गतिशील रूप से समायोजित करती है, जिससे LLaMA-2-7B पर यूनिफॉर्म प्रूनिंग की तुलना में महत्वपूर्ण परप्लेक्सिटी सुधार प्राप्त होता है और यह भी प्रदर्शित होता है कि ग्रेडिएंट-आधारित एलोकेशन डिस्क्रीट वेट रिमूवल के लिए अप्रभावी है।

Yazdan Jamshidi, Alexey Shvets2026-07-09
🤖 machine learning

Collaborative Synthetic Data Generation for Knowledge Transfer in Federated Learning

यह शोध पत्र FedKT-CSD का प्रस्ताव करता है, जो एक वन-शॉट फेडरेटेड लर्निंग फ्रेमवर्क है जो मॉडल की गुणवत्ता से समझौता किए बिना औपचारिक डिफरेंशियल प्राइवेसी, कम संचार ओवरहेड और विषम क्लाइंट वितरणों में मजबूत प्रदर्शन प्राप्त करने के लिए साझा ऑटोएनकोडर लेटेंट स्पेस के माध्यम से सहयोगात्मक सिंथेटिक डेटा जनरेशन का लाभ उठाता है।

Maximilian Andreas Hoefler, Karsten Mueller, Wojciech Samek2026-07-09
🤖 machine learning

Asymmetric Focal Loss Improves Graph Neural Network Prediction of Drug-Drug Interactions

यह शोध पत्र यह प्रदर्शित करता है कि एक ग्राफ न्यूरल नेटवर्क में एक एसिमेट्रिक फोकल लॉस फंक्शन को एकीकृत करने से कठिन सकारात्मक उदाहरणों पर जोर देकर ड्रग-ड्रग इंटरैक्शन की भविष्यवाणी में महत्वपूर्ण वृद्धि होती है, जिसके परिणामस्वरूप अंतर्निहित मॉडल आर्किटेक्चर को बदले बिना सटीकता, F1 स्कोर और रिकॉल में पर्याप्त सुधार होता है।

Faranak Hatami, Mousa Moradi2026-07-09
🤖 machine learning

An optimal control approach for neural network architecture adaptation with a posteriori error estimation

यह शोध पत्र एक नवीन इष्टतम नियंत्रण ढांचे (optimal control framework) का प्रस्ताव करता है जो नेवियर-स्टोक्स समीकरण जैसे वैज्ञानिक डेटासेट पर बेहतर सामान्यीकरण प्राप्त करने के लिए, ड्यूल वेटेड रेसिडुअल पद्धति के माध्यम से प्राप्त अधिकतम ए पोस्टीओरी त्रुटि (maximum a posteriori error) वाले स्थानों पर परतें सम्मिलित करके न्यूरल नेटवर्क की गहराई को अनुकूलित करता है।

C G Krishnanunni, Thomas Scott, Tan Bui-Thanh2026-07-09
💬 NLP

Does Bielik Know What It Doesn't Know? Activation Dispersion Separates Entity Familiarity from Factual Reliability Across Model Scale

यह शोध पत्र यह प्रदर्शित करता है कि यद्यपि लार्ज लैंग्वेज मॉडल्स के पास एक आंतरिक, सक्रियण-आधारित संकेत होता है जो विभिन्न पैमानों पर ज्ञात और निर्मित संस्थाओं के बीच सटीक रूप से अंतर करता है, फिर भी यह "जागरूकता" व्यवहारिक विश्वसनीयता में परिवर्तित नहीं होती है, क्योंकि मॉडल अक्सर ज्ञात संस्थाओं के बारे में मतिभ्रम (hallucinate) करते हैं और लगभग कभी भी उत्तर देने से परहेज नहीं करते हैं, जो संस्थागत परिचितता और तथ्यात्मक शुद्धता के बीच एक मौलिक विच्छेद को प्रकट करता है।

Grzegorz Brzezinka2026-07-09
🤖 machine learning

MedPMC: A Systematic Framework for Scaling High-Fidelity Medical Multimodal Data for Foundation Models

MedPMC एक स्वचालित फ्रेमवर्क पेश करता है जो 6.1 मिलियन PubMed Central लेखों से 11 मिलियन उच्च-सटीकता वाले मेडिकल इमेज-टेक्स्ट पेयर्स को क्यूरेट करता है, जो मौजूदा बेसलाइन्स की तुलना में ज़ीरो-शॉट क्लासिफिकेशन, विजुअल क्वेश्चन अनस्वर्सिंग और क्लिनिकल रिट्रीवल बेंचमार्क में मेडिकल मल्टीमॉडल फाउंडेशन मॉडल्स के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।

Hyunjae Kim, Dain Kim, Pan Xiao, Serina S. Applebaum, Younjoon Chung, Xuguang Ai, Yu Yin, Roy Jiang, Yuexi Du, Yawen Wei (…)2026-07-09
💬 NLP

Max Out GRPO Signal: Adaptive Trace Prefix Control for Hard Reasoning Problems

AdaPrefix-GRPO, कठिन तर्क संबंधी समस्याओं (hard reasoning problems) पर Group Relative Policy Optimization को सुदृढ़ करता है, जो प्रशिक्षण के दौरान सही समाधान के प्रीफिक्स (prefix) की लंबाई को 50% सफलता दर बनाए रखने और ग्रेडिएंट संकेतों (gradient signals) को अधिकतम करने के लिए गतिशील रूप से समायोजित करता है, जिससे मुख्य ट्रेनर आर्किटेक्चर में बिना किसी बदलाव के मॉडल की सटीकता और दक्षता में महत्वपूर्ण सुधार होता है।

Vladislav Beliaev2026-07-09
🤖 machine learning

How Data Shapes RoPE Frequency Usage: From Positional Scale Matching to Length Generalization

यह शोध पत्र रोटरी पोजीशन एम्बेडिंग (RoPE) फ्रीक्वेंसी उपयोग के लिए एक डेटा-केंद्रित स्पष्टीकरण प्रस्तावित करता है, जो यह प्रदर्शित करता है कि मॉडल प्रशिक्षण डेटा की सापेक्ष-दूरी संरचना से मेल खाने के लिए आवृत्तियों का चयन करते हैं और सफल लॉन्ग-कॉन्टेक्स्ट सामान्यीकरण प्राकृतिक भाषा की निर्भरताओं की विभिन्न पोजीशनल स्केल्स पर स्व-समानता (self-similarity) पर निर्भर करता है।

Xinyi Wu, Siyuan Liu, Ali Jadbabaie2026-07-09
💬 NLP

Agon: Competitive Cross-Model RL with Implicit Rival Grading of Reasoning

अगन (Agon) एक प्रतिस्पर्धी क्रॉस-मॉडल सुदृढीकरण लर्निंग (reinforcement learning) ढांचे को पेश करता है जहाँ दो मॉडल एक-दूसरे के विरुद्ध समस्याओं का मसौदा तैयार करने और उन्हें हल करने के माध्यम से परस्पर ग्रेडर के रूप में कार्य करते हैं, जो बिना प्रोसेस लेबल के श्रेष्ठ तर्क को अंतर्निहित रूप से पुरस्कृत करता है और जटिल तर्क कार्यों पर मानक सिंगल-मॉडल आरएल (RL) दृष्टिकोणों से काफी बेहतर प्रदर्शन करता है।

Vladislav Beliaev2026-07-09