🤖 Category

cs.LG

22092 पेपर

⚛️ high-energy experiments

AI Agents Can Already Autonomously Perform Experimental High Energy Physics

यह शोध पत्र प्रदर्शित करता है कि एआई एजेंट, विशेष रूप से "जस्ट फर्निश कॉन्टेक्स्ट" फ्रेमवर्क के भीतर क्लॉड कोड (Claude Code), डेटा प्रोसेसिंग और सांख्यिकीय अनुमान से लेकर पेपर ड्राफ्टिंग तक, संपूर्ण उच्च ऊर्जा भौतिकी विश्लेषण पाइपलाइन को स्वायत्त रूप से निष्पादित कर सकते हैं—स्थापित और नवीन दोनों परिणाम उत्पन्न करने के लिए—जो यह सुझाव देता है कि समुदाय को उन्नत वैज्ञानिक खोज के लिए इन क्षमताओं का लाभ उठाने हेतु अपने प्रशिक्षण और वर्कफ़्लो को अनुकूलित करना चाहिए।

Eric A. Moreno, Samuel Bright-Thonney, Andrzej Novak, Dolores Garcia, Philip Harris2026-06-23
🤖 AI

Protocol-Aware Tokenization and Architecture Co-Design for Wireless Packet Foundation Models

यह शोध पत्र प्रदर्शित करता है कि वायरलेस पैकेट फाउंडेशन मॉडल्स के लिए, प्रोटोकॉल-अवेयर टोकनाइजेशन प्रदर्शन का प्राथमिक चालक है, जो केवल आर्किटेक्चरल परिवर्तनों से होने वाले 2-पॉइंट सुधार की तुलना में 32-पॉइंट सटीकता लाभ प्रदान करता है, जिससे टोकनाइजेशन को एक महत्वपूर्ण डिज़ाइन कारक के रूप में स्थापित किया जा सके जबकि बैकबोन को सटीकता और गति के बीच एक तैनात करने योग्य समझौते (ट्रेड-ऑफ) के रूप में माना जाता है।

Swadhin Pradhan, Shazal Irshad, Jerome Henry2026-06-23
🤖 AI

Beyond Fixed Budgets: Characterizing the Inelasticity and Limitations of Tree-of-Thought Reasoning Strategies

यह शोध पत्र विभिन्न कंप्यूट बजट और मॉडल स्केल्स के माध्यम से ट्री-ऑफ-थॉट (Tree-of-Thought) खोज रणनीतियों DPTS और SSDP का मूल्यांकन करता है, जो यह प्रकट करता है कि DPTS कम-बजट वाले कोल्ड-स्टार्ट्स (cold-starts) के साथ संघर्ष करता है जबकि SSDP अपरिवर्तनीय फ्रंटियर डिप्लीशन (irreversible frontier depletion) से ग्रस्त होता है, जिससे यह सिद्ध होता है कि प्रभावी वैज्ञानिक तर्क के लिए निश्चित अन्वेषण या छंटनी दृष्टिकोणों के बजाय अनुकूलन योग्य रणनीतियों की आवश्यकता होती है।

Atkia Mahila, Avinash Maurya, M. Mustafa Rafique, Bogdan Nicolae2026-06-23
🤖 AI

The New Associationism: Lessons from Deep Learning

यह शोध पत्र यह तर्क देता है कि आधुनिक एआई की सफलता, विशेष रूप से विविध प्रणालियों में इसके सुपरवाइज्ड लर्निंग (supervised learning) पर निर्भरता, साहचर्यवाद (associationism) के एक मध्यम रूप का समर्थन करती है, यह प्रदर्शित करते हुए कि त्रुटि-संचालित तंत्र व्यापक संज्ञानात्मक क्षमताओं की व्याख्या कर सकते हैं, जबकि यह भी स्वीकार करती है कि ये तंत्र जटिल कम्प्यूटेशनल आर्किटेक्चर के भीतर कार्य करते हैं जो शास्त्रीय साहचर्यवादी सिद्धांतों से परे विस्तृत हैं।

Daniel Rothschild2026-06-23
🤖 machine learning

Analysis and Prediction of At-Risk Students Using Machine Learning Algorithms

यह शोध पत्र रणनीतिक संस्थागत निर्णय लेने में सहायता के लिए शैक्षणिक, जनसांख्यिकीय और नामांकन डेटा का उपयोग करके छात्र क्षय (एट्रिशन) की भविष्यवाणी करने हेतु मशीन लर्निंग एल्गोरिदम के अनुप्रयोग की जांच करता है, जिसमें विशेष रूप से लॉजिस्टिक रिग्रेशन और लीनियर एसवीएम (SVM) मॉडल की बेहतर सटीकता पर प्रकाश डाला गया है।

Soheila Gheisari, Hamid Salarian2026-06-23
🤖 AI

PEAR: Permutation-Equivariant Adaptive Routing Multi-Agent Debate

यह शोध पत्र PEAR को प्रस्तुत करता है, जो मल्टी-एजेंट बहसों के लिए एक क्रम-तुल्य (permutation-equivariant) अनुकूली रूटिंग प्रोटोकॉल है जो स्थितिजन्य पूर्वाग्रहों को समाप्त करने और विविध लार्ज लैंग्वेज मॉडल्स में तर्क की सटीकता को महत्वपूर्ण रूप से सुधारने के लिए एजेंटों की भूमिकाओं और विरल टोपोलॉजी (sparse topologies) को गतिशील रूप से पुनर्गठित करता है।

Yang Feng, Ziwei Xu, Xia Hu, Fengxiang He2026-06-23
🤖 AI

Darwin Mobile Agent: A Roadmap for Self-Evolution

यह शोधपत्र डार्विन मोबाइल एजेंट (Darwin Mobile Agent) को प्रस्तुत करता है, जो एक ओपन-सोर्स इंफ्रास्ट्रक्चर है जो डेटा बाधाओं को दूर करने के लिए समानांतर क्लाउड-फोन इंटरैक्शन का लाभ उठाता है और टास्क करिकुलम (task curricula), सत्यापन (verification) एवं मेमोरी से मानवीय पूर्वग्रहों (human priors) को हटाने के लिए एक रोडमैप स्थापित करता है, जिससे स्वायत्त, स्व-विकसित एजेंट जटिल मोबाइल GUI वातावरण के साथ इंटरैक्शन के माध्यम से सामान्य व्यवहार सीख सकें।

Daniel Beechey, Derek Yuen, Jianheng Liu, Dezhao Luo, Tiantian He, Weilin Luo, Jun Wang, Kun Shao2026-06-23
🤖 AI

In LLM Reasoning, there is Irrationality on top of Value Misalignment

यह शोध पत्र "तर्कसंगत मूल्य जोखिम" (rational value risk) को एक एलएलएम (LLM) की तैनात तर्क रणनीति और उसके इष्टतम तर्कसंगत समकक्ष के बीच उपयोगिता अंतराल के रूप में प्रस्तुत और औपचारिक रूप देता है, जो कई मॉडलों और बेंचमार्क के माध्यम से व्यापक प्रयोगों के माध्यम से यह प्रदर्शित करता है कि अच्छी तरह से संरेखित (aligned) मॉडल भी अनुमान-समय तर्क सीमाओं, सीमित डेटा बाधाओं और अपूर्ण सत्यापन के कारण अपेक्षित उपयोगिता को अधिकतम करने में अक्सर विफल रहते हैं।

Kejiang Qian, Fengxiang He2026-06-23
🤖 AI

AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents

अल्फामेमो (AlphaMemo) अल्फा माइनिंग के लिए एक स्व-विकसित (self-evolving) एलएलएम (LLM) एजेंट है जो पुन: प्रयोज्य एडिट मोटिफ्स (reusable edit motifs), कॉन्फिडेंस-गेटेड रेसिडुअल्स (confidence-gated residuals) और विफलता पैटर्न के विरुद्ध एसिमेट्रिक वीटो कंट्रोल्स (asymmetric veto controls) को रिकॉर्ड करने और लाभ उठाने के लिए एक संरचित खोज-प्रक्रिया मेमोरी का उपयोग करके खोज दक्षता और आउट-ऑफ-सैंपल प्रदर्शन को बढ़ाता है।

Hang Yu, Zifan Zheng, Jeff Z. Pan, Tongliang Liu, Zhiyong Wang, Fengxiang He2026-06-23
🤖 AI

Latent Goal Prediction from Language for Model-Based Planning

यह शोध पत्र LAGO को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो भाषा संबंधी निर्देशों को एक एकीकृत लेटेंट स्पेस (latent space) के भीतर मध्यवर्ती लेटेंट सबगोल्स (intermediate latent subgoals) और एक्शन-कंडीशन्ड रोलआउट्स में गतिशील रूप से विघटित करके सुदृढ़ लॉन्ग-होरिज़न मॉडल-बेस्ड प्लानिंग को सक्षम बनाता है, जिससे यह विजुअल टारगेट्स और शोर युक्त क्रॉस-मोडल एलाइनमेंट की सीमाओं को दूर करता है।

Samuel Barbeau, Simon Roy, Giovanni Beltrame, Christian Desrosiers, Nicolas Thome2026-06-23