🤖 Category

cs.LG

22512 पेपर

🤖 machine learning

SynIB: Informational Bottleneck for Maximizing Synergy in Multimodal Learning

यह शोध पत्र SynIB को प्रस्तुत करता है, जो एक सूचना-सैद्धांतिक प्रशिक्षण उद्देश्य (information-theoretic training objective) है जो किसी भी एकल मोडैलिटी (modality) के मास्क होने पर मॉडल के आत्मविश्वास को दंडित करके मल्टीमॉडल सिनर्जी (multimodal synergy) को अधिकतम करता है, जिससे मॉडल को यूनिमोडल संकेतों के बजाय क्रॉस-मोडल इंटरैक्शन पर निर्भर करने के लिए मजबूर किया जाता है और सिनर्जी-डिपेंडेंट कार्यों पर प्रदर्शन में महत्वपूर्ण सुधार होता है।

Konstantinos Kontras, Teodora Gagaleska, Thomas Strypsteen, Christos Chatzichristos, Matthew Blaschko, Maarten De Vos, P (…)2026-06-10
💬 NLP

Can Multi-Agent LLMs Identify Their Peers? Stylometric Fingerprinting in Role-Constrained Political Analysis

यह शोध पत्र यह प्रदर्शित करता है कि प्रॉम्प्ट-स्तरीय अनामीकरण (anonymization), मल्टी-एजेंट एलएलएम (LLMs) को उनके साथियों के मॉडल परिवारों की पहचान करने से रोकने में विफल रहता है, जो कि सुदृढ़ शैलीमितीय फिंगरप्रिंट्स (stylometric fingerprints) के माध्यम से होता है, यहाँ तक कि सख्त कंटेंट-डिस्जॉइंट सत्यापन स्थितियों के तहत भी, जिससे वर्तमान शमन रणनीतियों को चुनौती मिलती है और यूरोपीय संघ के एआई अधिनियम (EU AI Act) के लिए महत्वपूर्ण अनुपालन संबंधी चिंताएं उत्पन्न होती हैं।

Juergen Dietrich2026-06-10
💬 NLP

Using Probabilistic Programs to Train Inductive Reasoning in Large Language Models

यह शोध पत्र प्रोग्राम-आधारित पोस्टीरियर ट्रेनिंग (PPT) को प्रस्तुत करता है, जो एक नवीन फाइन-ट्यूनिंग विधि है जो विविध ओपन-वर्ल्ड परिदृश्यों और वितरण संबंधी सॉफ्ट लेबल (distributional soft labels) को उत्पन्न करने के लिए संभाव्य कार्यक्रमों (probabilistic programs) का लाभ उठाती है, जिससे बड़े भाषा मॉडलों की अनिश्चित आगमनात्मक तर्क (uncertain inductive reasoning) करने की क्षमता और मानवीय निर्णयों के साथ संरेखित होने की क्षमता में महत्वपूर्ण रूप से वृद्धि होती है।

Liyi Zhang, Akshay K. Jagadish, Brenden M. Lake, Thomas L. Griffiths2026-06-10
🤖 machine learning

Mitigating Manifold Departure: Uncertainty-Aware Subspace Rectification for Trustworthy MLLM Decoding

यह शोध पत्र मैनिफोल्ड-गाइडेड एडेप्टिव प्रोजेक्शन (MGAP) का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त डिकोडिंग विधि है जो सिमेंटिक सुसंगतता को बनाए रखते हुए मैनिफोल्ड डिपार्चर को रोकने के लिए एक सीखे गए सबस्पेस के भीतर भाषाई पूर्वाग्रहों को एडेप्टिव रूप से कम करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में मतिभ्रम (hallucinations) को कम करती है।

Yingxuan Zhuang, Jingxiao Yang, Miao Pan, Cheng Tan, Yuxiang Cai, Siwei Tan, Chen Zhi, Xuhong Zhang, Jianwei Yin, Jintao (…)2026-06-10
🤖 machine learning

From Confident Closing to Silent Failure: Characterizing False Success in LLM Agents

यह शोध पत्र प्रकट करता है कि LLM एजेंट अक्सर कार्य पूरा होने का गलत दावा करके "मिथ्या सफलता" (false success) प्रदर्शित करते हैं, जो एक ऐसा विफलता मोड है जिसे पहचानने में LLM जज अपनी सतही संकेतों पर निर्भरता के कारण संघर्ष करते हैं, जबकि हल्के, डोमेन-कैलिब्रेटेड डिटेक्टर उत्पादन निगरानी के लिए काफी उच्च सटीकता और दक्षता प्रदान करते हैं।

Laksh Advani2026-06-10
🤖 machine learning

LLM-as-a-Discriminator: When Synthetic Tables Still Look Real

यह शोध पत्र सिंथेटिक सारणीबद्ध डेटा (tabular data) की गोपनीयता के ऑडिटिंग के लिए एक LLM-आधारित भेदभाव पद्धति का प्रस्ताव और मूल्यांकन करता है, जो यह प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) विभिन्न संश्लेषण मॉडलों और डेटासेट्स के बीच वास्तविक और सिंथेटिक तालिकाओं के बीच प्रभावी ढंग से अंतर कर सकते हैं, जो पारंपरिक सांख्यिकीय परीक्षणों और मानव मूल्यांकन के लिए एक व्यावहारिक विकल्प प्रदान करता है।

Manel Slokom, Malek Slokom, Thierno Kante2026-06-10
🤖 machine learning

Two to Tango: Coupled Task-Reference Selection for Safe LLM Fine-tuning

यह शोध पत्र DualSelect का प्रस्ताव करता है, जो एक युग्मित ढांचा (coupled framework) है जो कार्य उपयोगिता (task utility) से समझौता किए बिना LLM फाइन-ट्यूनिंग के दौरान सुरक्षा व्यवहारों को बनाए रखने के लिए संगत कार्य नमूनों (compatible task samples) और रिफ्रेश किए गए सुरक्षा संदर्भों (refreshed safety references) को संयुक्त रूप से चुनता है।

Xinrui Chen, Jianhao Zhang, Ou Wu, Di Gao2026-06-10
🤖 machine learning

PatchSTG: Scalable Spatiotemporal Graph Transformers for Traffic Forecasting on Irregular Sensor Networks

यह शोध पत्र PatchSTG का प्रस्ताव करता है, जो एक स्केलेबल पैच-आधारित स्पैटियोटेम्पोरल ग्राफ ट्रांसफॉर्मर है जो पदानुक्रमित स्थानिक विभाजन (hierarchical spatial partitioning) और एक द्वैत अटेंशन तंत्र (dual attention mechanism) का उपयोग करके प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए लगभग रैखिक जटिलता प्राप्त करने के माध्यम से ट्रैफ़िक पूर्वानुमान में अनियमित सेंसर वितरण और उच्च कम्प्यूटेशनल लागत की चुनौतियों का समाधान करता है।

Jichao Li, Xuanming Shi2026-06-10
🤖 machine learning

Rotate2Think: Geometric Priming via Orthogonal Rotation to Improve Language Model Reasoning

यह शोध पत्र Rotate2Think का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) विधि है जो इनपुट एम्बेडिंग्स पर एक ऑर्थोगोनल रोटेशन का अनुमान लगाकर और उसे लागू करके भाषा मॉडल की तर्क क्षमता में सुधार करती है ताकि सिंथेटिक थिंकिंग ट्रेसेस (synthetic thinking traces) उत्पन्न करने के लिए मॉडल को ज्यामितीय रूप से तैयार किया जा सके, जिससे विविध गणितीय, वैज्ञानिक और कोडिंग बेंचमार्क पर प्रदर्शन में उल्लेखनीय वृद्धि होती है।

Aditya Sharma, Christopher J. Pal, Amal Zouaq2026-06-10
🤖 machine learning

Integrating Local and Global Entropy for Uncertainty Quantification in LLMs

यह शोध पत्र ग्लोबल-लोकल अनसर्टेन्टी (GLU) का प्रस्ताव करता है, जो एक अनसुपरवाइज्ड, सिंगल-पास विधि है जो टोकन-लेवल एंट्रॉपी को हिडन-स्टेट ज्योमेट्रिक एंट्रॉपी के साथ जोड़ती है ताकि विभिन्न विफलता व्यवस्थाओं (failure regimes) को प्रभावी ढंग से पकड़ा जा सके, विशेष रूप से उन 'कॉन्फिडेंट-बट-रॉन्ग' मतिभ्रमों (hallucinations) को जिन्हें केवल स्थानीय संकेत पकड़ने में विफल रहते हैं।

Johanne Medina, Tianyi Zhou, Keivin Isufaj, Aristides Gionis, Sanjay Chawla2026-06-10