🤖 Category

cs.LG

19863 पेपर

🤖 machine learning

Forgetful Attention: A Trainable Support-Vector Memory with Certified Selection and Exact Unlearning

यह शोध पत्र सपोर्ट वेक्टर अटेंशन (SV-Attention) को प्रस्तुत करता है, जो एक प्रशिक्षित मेमोरी तंत्र है जो प्रमाणित टोकन इविक्शन (token eviction) और सटीक अनलर्निंग (unlearning) क्षमताएं प्रदान करने के लिए वन-क्लास एसवीएम (one-class SVM) सिद्धांतों का लाभ उठाता है, जो वास्तविक दुनिया के डेटासेट्स पर प्रतिस्पर्धी लैंग्वेज मॉडलिंग परिणामों को प्राप्त करते हुए बेहतर दुर्लभ-आइटम रिकॉल (rare-item recall) और डेटा विलोपन प्रदर्शन प्रदर्शित करता है।

Vishwajith Ramesh2026-07-15
💬 NLP

Fine-Tuned Multi-Agent Framework for Detecting OCEAN in Life Narratives

यह शोध पत्र एक फाइन-ट्यून्ड मल्टी-एजेंट फ्रेमवर्क प्रस्तावित करता है जो साइकोमेट्रिक पर्यवेक्षण के माध्यम से सिंगल-मॉडल पूर्वाग्रहों को कम करके, जीवन वृत्तांतों (लाइफ नैरेटिव्स) में OCEAN व्यक्तित्व लक्षणों को सटीक और सुसंगत रूप से पहचानने के लिए पर्सपेक्टिव-कंडीशन्ड सब-एजेंट्स और एक जज LLM का लाभ उठाता है।

Rasiq Hussain, Darshil Italiya, Joshua Oltmanns, Mehak Gupta2026-07-15
⚡ electrical engineering

Gradient-Free Topology Adaptation for Power Flow Surrogates via In-Context Whitening

यह शोध पत्र इन-कॉन्टेक्स्ट व्हाइटनिंग (ICW) का प्रस्ताव करता है, जो एक ग्रेडिएंट-मुक्त, आर्किटेक्चर-अज्ञेय विधि है जो नए टोपोलॉजी के कुछ हल किए गए मामलों का उपयोग करके मॉडल के आउटपुट स्पेस को सांख्यिकीय रूप से अनुकूलित करती है, जिससे नेटवर्क टोपोलॉजी परिवर्तनों के तहत पावर फ्लो सरोगेट्स की सटीकता और गति में महत्वपूर्ण सुधार होता है और प्रति-टोपोलॉजी ग्रेडिएंट-आधारित पुनरप्रशिक्षण की आवश्यकता समाप्त हो जाती है।

Ayushi Jolotia, Parikshit Pareek2026-07-15
💬 NLP

On-Device Deep Research at 4B: Exposure Bounds Faithfulness, Retrieval Bounds Coverage

यह अध्ययन प्रदर्शित करता है कि ऑन-डिवाइस 4B रिसर्च एजेंटों के लिए, उद्धरण निष्ठा (citation faithfulness) मुख्य रूप से मॉडल को दिए गए स्रोत टेक्स्ट की मात्रा द्वारा निर्धारित होती है न कि स्रोत की गुणवत्ता द्वारा, जबकि सही स्रोतों का कवरेज पूरी तरह से रिट्रीवल रिकॉल (retrieval recall) द्वारा सीमित रहता है।

Vinay Kumar Chaganti2026-07-15
🤖 machine learning

Saturation Makes Quantization Error Additive: A Coverage Model with a Certificate

यह शोधपत्र एक कवरेज मॉडल पेश करके इस धारणा को चुनौती देता है कि क्वांटाइजेशन लॉस (quantization loss) पूरी तरह से योगात्मक (additive) होता है, जो संतृप्ति प्रभावों (saturation effects) को कैप्चर करता है, और यह प्रदर्शित करता है कि यह दृष्टिकोण बड़े भाषा मॉडलों के लिए मिश्रित-परिशुद्धता आवंटन (mixed-precision allocation) में पारंपरिक संवेदनशीलता-आधारित विधियों की तुलना में काफी बेहतर प्रदर्शन करता है, विशेष रूप से सब-4-बिट परिशुद्धता पर।

Joshua Hill2026-07-15
🤖 machine learning

Track, Rank, Crack: Epistemic Working Memory Scales Multi-Hop Reasoning in Language Agents

यह शोध पत्र SLEUTH को प्रस्तुत करता है, जो एक ऐसा भाषा एजेंट फ्रेमवर्क है जो निहित संदर्भ (implicit context) को एक स्पष्ट, संरचित एपिस्टेमिक वर्किंग मेमोरी (पुष्ट तथ्यों, रैंक किए गए परिकल्पनाओं और खुले प्रश्नों को ट्रैक करने वाली) से बदलकर मल्टी-हॉप रीजनिंग को स्केल करता है, जो जटिल बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार करता है और यह प्रकट करता है कि संदर्भ विरलीकरण (context dilution) और साक्ष्य पर्याप्तता (evidence sufficiency) की समस्याओं को दूर करने के लिए तर्क की स्थिति को व्यवस्थित करना कच्चे मॉडल सामर्थ्य की तुलना में अधिक महत्वपूर्ण है।

Ning Liu2026-07-15
💬 NLP

A Shared Subcircuit Lets LLMs Count Down Across Tasks

यह शोध पत्र Llama-3.1-70B-Instruct में एक साझा "काउंटडाउन सबसर्किट" (countdown subcircuit) की पहचान करता है जो भाषा मॉडलों को विविध कार्यों में शेष टोकन को ट्रैक करने में सक्षम बनाता है, जो लक्ष्य-तक-समय (time-to-goal) का अनुमान लगाने के लिए एक सामान्यीकरण योग्य तंत्र को प्रकट करता है जो विभिन्न मॉडलों और संदर्भों में स्थानांतरित होता है।

Jacob Dunefsky, Wes Gurnee, Emmanuel Ameisen2026-07-15
🤖 machine learning

What Does a Temporal Benchmark Score Measure? Decomposing Channel Use in Video VLM Evaluation

यह शोधपत्र टेम्पोरल वीडियो VLM बेंचमार्क स्कोर को विघटित करने के लिए एक लेबल-मुक्त "रिवर्ज़ल-ड्रॉप" (reversal-drop) मीट्रिक प्रस्तुत करता है, जो यह प्रकट करता है कि मॉडल अक्सर विज़ुअल कंटेंट के बजाय पोजीशनल एनकोडिंग पर निर्भर होते हैं और यह प्रदर्शित करता है कि एग्रीगेट स्कोर, पोजीशन-डोमिनेंट और विज़ुअल-सीक्वेंस-डोमिनेंट आर्किटेक्चर के बीच विशिष्ट, गैर-परिवर्तनीय विफलता मोड को छिपा देते हैं।

Farrukh Rahman2026-07-15
🤖 machine learning

SinAE: A Single-Architecture Flow-Matching Autoencoder for Cross-Domain Atomic Systems

SinAE एक एकल-आर्किटेक्चर, डोमेन-अज्ञेय (domain-agnostic) फ्लो-मैचिंग ऑटोएन्कोडर पेश करता है जो एक वैनिला ट्रांसफॉर्मर और पुनरावृत्ति फ्लो-मैचिंग डिकोडर का लाभ उठाकर अणुओं, क्रिस्टल और प्रोटीन के जनरेटिव मॉडलिंग को एकीकृत करता है ताकि लगभग हानि-रहित पुनर्निर्माण प्राप्त किया जा सके और एक साझा परमाणु लेटेंट स्पेस के माध्यम से प्रभावी क्रॉस-डोमेन ट्रांसफर प्रदर्शित किया जा सके।

Yuxuan Ren, Fan Yang, Jianhua Yao, Yatao Bian2026-07-15
📊 statistics

Fisher Rank Inflation: A Spectral Signature of Memorization under Label Noise

यह शोध पत्र "फिशर रैंक इन्फ्लेशन" (Fisher Rank Inflation) की पहचान करता है, जो अंतिम-परत ग्रेडिएंट स्पेक्ट्रा (last-layer gradient spectra) के प्रभावी रैंक में एक क्षणिक विस्तार है, जो एक विश्वसनीय स्पेक्ट्रल सिग्नेचर के रूप में स्वच्छ संरचनाओं को सीखने से दूषित लेबल को याद करने (memorizing corrupted labels) के संक्रमण को चिह्नित करता है, जिससे टेस्ट प्रदर्शन में गिरावट आने से पहले शोर वाले उदाहरणों और लेबल भ्रष्टाचार की गंभीरता का पता लगाया जा सकता है।

Satwik Bathula, Anand A. Joshi2026-07-15