🧬 biology

TRAPS: Therapeutic Response Analysis via Pathway-informed Stratification

यह शोध पत्र TRAPS को प्रस्तुत करता है, जो पाथवे-निर्देशित चिकित्सा प्रतिक्रिया मॉडलिंग के लिए पहला एकीकृत बेंचमार्क है, जो पांच कैंसर समूहों में तीन डीप लर्निंग आर्किटेक्चर का मूल्यांकन करता है ताकि यह प्रकट किया जा सके कि जहाँ PATH लक्षित चिकित्सा भविष्यवाणी में और BINN उत्तरजीविता भविष्यवाणी में उत्कृष्ट है, वहीं कोई भी मॉडल विकिरण चिकित्सा की भविष्यवाणी प्रभावी ढंग से नहीं कर पाता है क्योंकि यह गैर-जीनोमिक नैदानिक चरों पर निर्भर है।

Sujoy Banik, Sayantan Chakraborty, Boishakhi Das Toma, Zainab Ghafoor, Ushashi Bhattacharjee, Koushik Howlader, Tirtho R (…)2026-06-10
🤖 machine learning

When Attribution Patching Lies: Diagnosis and a Second-Order Correction

यह शोध पत्र डाउनस्ट्रीम नेटवर्क में गैर-रेखीयताओं (non-linearities) को एट्रिब्यूशन पैचिंग (attribution patching) में त्रुटि के प्राथमिक स्रोत के रूप में पहचानता है और एक गणनात्मक रूप से कुशल हेसियन-वेक्टर-प्रोडक्ट (Hessian-vector-product) सुधार प्रस्तुत करता है जो विभिन्न मॉडल पैमानों पर मैकेनिस्टिक इंटरप्रिटेबिलिटी सर्किट की सटीकता और विश्वसनीयता में महत्वपूर्ण सुधार करता है।

Luyang Zhang, Jialu Wang2026-06-10
💬 NLP

Less Context, More Accuracy: A Bi-Temporal Memory Engine for LLM Agents Where a Lean Retrieved Context Beats the Full History

यह शोध पत्र एंग्राम (Engram) को पेश करता है, जो एक ओपन-सोर्स बाइटेंपोरल मेमोरी इंजन है जो एक लॉसलेस राइट पाथ को बाइटेंपोरल नॉलेज ग्राफ से कॉम्पैक्ट, प्रोवेनेंस-टैग्ड कॉन्टेक्स्ट को असेंबल करने वाली एक हाइब्रिड रीड स्ट्रैटेजी के साथ जोड़कर सटीकता और दक्षता में फुल-कॉन्टेक्स्ट बेसलाइन्स से बेहतर प्रदर्शन करता है, जिससे काफी कम टोकन का उपयोग करते हुए LongMemEval_S पर 83.6% स्कोर प्राप्त होता है।

Liuyin Wang2026-06-10
🤖 machine learning

LongMoE: Longitudinal Multimodal Learning via Trajectory-Aware Mixture-of-Experts

LongMoE एक एकीकृत ढांचा है जो संदर्भ-जागरूक प्रतिस्थापन (context-aware imputation), आवृत्ति-डोमेन टेम्पोरल टोकनाइज़ेशन (frequency-domain temporal tokenization), और प्रक्षेपवक्र-जागरूक स्पार्स मिक्चर-ऑफ-एक्सपर्ट्स रूटिंग (trajectory-aware Sparse Mixture-of-Experts routing) को एकीकृत करके क्लिनिकल लर्निंग में मोडैलिटी की अनुपलब्धता और अनुदैर्ध्य गतिशीलता (longitudinal dynamics) की दोहरी चुनौतियों का समाधान करता है ताकि अनियमित, अपूर्ण मल्टीमॉडल विज़िट अनुक्रमों के माध्यम से सुदृढ़ रोगी-विशिष्ट मॉडलिंग सक्षम की जा सके।

Maxx Richard Rahman, Prakhar Kumar, Wolfgang Maass2026-06-10
🤖 machine learning

IntentKV: Cross-Turn Intent-Aware KV Cache Pruning for Agent Inference

IntentKV एक सीखा हुआ, क्रॉस-टर्न इंटेंट-अवेयर (intent-aware) KV कैश प्रूनिंग मेथड है जो एक फ्रोजन बेस LLM को बनाए रखते हुए सेशन-लेवल मेमोरी और एक ज़ीरो-इनिशियलाइज़्ड रेसिडुअल हेड का उपयोग करके टोकन को डायनेमिक रूप से स्कोर और रीडायरेक्ट करता है, जिससे न्यूनतम सटीकता हानि के साथ लॉन्ग-होरिज़न एजेंट इन्फरेंस के लिए पीक मेमोरी और KV रीड बैंडविड्थ में महत्वपूर्ण कमी आती है।

Junjie Li, Jiong Lou, Jie Li2026-06-10
🤖 machine learning

SPDM: Geometry-Modulated State Space Modeling with Manifold Constraints for Time Series Forecasting

यह शोधपत्र SPDM को प्रस्तुत करता है, जो एक नवीन स्टेट-स्पेस मॉडल है जो मैनिफोल्ड बाधाओं (manifold constraints) को शामिल करके बहुभिन्नरूपी समय श्रृंखला पूर्वानुमान (multivariate time series forecasting) को बढ़ाता है, ताकि विकसित होती क्रॉस-वेरिएबल सहसंबंधों को एक सिमेट्रिक पॉजिटिव डेफिनिट मैनिफोल्ड पर निरंतर प्रक्षेप पथों (continuous trajectories) के रूप में माना जा सके, जिससे रैखिक-समय कम्प्यूटेशनल दक्षता बनाए रखते हुए ज्यामितिक रेगुलराइजर्स के साथ चयनात्मक स्कैनिंग गतिकी (selective scanning dynamics) को निर्देशित किया जा सके और अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।

Xingsheng Chen, Siu-Ming Yiu2026-06-10
🤖 machine learning

Co-GLANCE: Uncertainty-Aware Active Perception for Heterogeneous Robot Teaming

Co-GLANCE विषम रोबोट टीमों के लिए एक वास्तविक समय (real-time), ऑनबोर्ड सिस्टम है जो विजन-लैंग्वेज मॉडल रीजनिंग को एक कुशल एंड-टू-एंड मॉडल में संकुचित करता है और धारणा संबंधी अनिश्चितता को मापने के लिए कॉन्फॉर्मल प्रेडिक्शन का उपयोग करता है, जिससे सांख्यिकीय रूप से वैध, सक्रिय धारणा सक्षम होती है जो सटीकता और लेटेंसी (latency) में क्लाउड-आधारित बेसलाइनों से काफी बेहतर प्रदर्शन करती है।

Michal P. Podolinsky, Neel P. Bhatt, Pranay Samineni, Rohan Siva, Christian Ellis, Ufuk Topcu2026-06-10
🤖 machine learning

Forward-Only Convolutional Neural Networks with Learnable Channel-Class Assignment

यह शोध पत्र एक नवीन फॉरवर्ड-ओनली कन्वोल्यूशनल न्यूरल नेटवर्क फ्रेमवर्क पेश करता है जो बेंचमार्क डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए सीखने योग्य चैनल-क्लास असाइनमेंट और लॉस-अवेयर लेयर वेटिंग का उपयोग करता है, जो बैकप्रोपैगेशन-आधारित विधियों के साथ के अंतर को महत्वपूर्ण रूप से कम करता है।

Mohammadnavid Ghader, Saeed Reza Kheradpisheh, Bahar Farahani, Mahmood Fazlali2026-06-10
🤖 machine learning

nCMD: Benign-Anchored Feature Selection for Imbalanced Network Intrusion Detection

यह शोध पत्र nCMD का प्रस्ताव करता है, जो एक हल्का और व्याख्यात्मक फीचर चयन (feature selection) तरीका है जो असंतुलित नेटवर्क ट्रैफ़िक में हमले के विचलन को बेहतर ढंग से पकड़ने के लिए बेनिन क्लास मीन (benign class mean) पर फीचर स्कोरिंग को एंकर करता है, जो कई बेंचमार्क डेटासेट और क्लासिफायर के माध्यम से पारंपरिक फ़िल्टर विधियों के मुकाबले बेहतर या तुलनीय प्रदर्शन प्रदर्शित करता है।

Abu Fuad Ahmad, Istiaque Ahmed2026-06-10
🤖 machine learning

RKSC: Reasoning-Aware KV Cache Sharing and Confident Early Exit for Multi-Step LLM Inference

RKSC एक प्रशिक्षण-मुक्त अनुमान ढांचा (training-free inference framework) है जो अटेंशन-समानता-आधारित KV कैश शेयरिंग, कॉन्फिडेंस-गेटेड अर्ली एग्जिट और एक चयनात्मक ब्लॉक कैश मैनेजर के माध्यम से संरचनात्मक अतिरेक को समाप्त करके मल्टी-स्टेप LLM रीजनिंग को त्वरित करता है, जिससे विविध मॉडलों और बेंचमार्क में नगण्य त्रुटि दरों के साथ औसतन 3x की गति वृद्धि प्राप्त होती है।

Anirudh Sekar2026-06-10