23845 पेपर
यह शोध पत्र SSR3D-LLM का प्रस्ताव करता है, जो एक एकीकृत 3D-LLM ढांचा है जो भंगुर सिंगल-पॉइंटर निर्णयों को लेटेंट स्पेशियल रीजनिंग स्टेप्स और मेमोरी टोकन की एक संरचित प्रक्रिया से बदलकर और कैंडिडेट रैंकिंग को पुनरावृत्ति के साथ परिष्कृत करके सूक्ष्म-स्तरीय ऑब्जेक्ट ग्राउंडिंग को बढ़ाता है।
यह अध्ययन प्रकट करता है कि हाइब्रिड खोज उपकरणों तक पहुंच के बावजूद, संवादात्मक एआई (conversational AI) पर उपयोगकर्ताओं की निर्भरता बनी रहती है और यह मुख्य रूप से उत्तर की गुणवत्ता के बजाय व्यक्तिगत लक्षणों और पूर्व विश्वास से प्रेरित होती है, जिसमें एक गर्म संवादात्मक शैली अनजाने में गलत जानकारी के साथ भी सहमति बढ़ाकर अत्यधिक निर्भरता को बढ़ावा देती है।
यह शोध पत्र SOURCETRACKER और इसके हाइब्रिड टू-स्टेज पाइपलाइन, HYBRIDSOURCETRACKER को प्रस्तुत करता है, जो अरबों-पैमाने के कॉर्पोरा के भीतर संभावित प्रशिक्षण स्रोतों की कुशलतापूर्वक पहचान करने के लिए वेक्टर सर्च को क्लासिकल फिंगरप्रिंटिंग के साथ जोड़कर LLM-जनरेटेड कोड के लिए स्केलेबल, उच्च-परिशुद्धता वाली प्रोवेनेंस ट्रैकिंग को सक्षम बनाता है।
यह शोध पत्र एक नवीन अपघटन और लयापुनोव फलन दृष्टिकोण के माध्यम से तीक्ष्ण, डेटा-निर्भर एल्गोरिद्मिक स्थिरता सीमाएँ स्थापित करके स्टोकेस्टिक वेरिएंस रिड्यूस्ड ग्रेडिएंट (SVRG) पद्धति का प्रथम गैर-रिक्त सामान्यीकरण विश्लेषण प्रस्तुत करता है, जिससे इष्टतम अतिरिक्त जनसंख्या जोखिम सीमाओं को प्राप्त करने के लिए अनुकूलन और सामान्यीकरण के बीच के अंतर्संबंध को स्पष्ट किया जा सके।
यह शोधपत्र \textsc{VIBench} को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि प्रदाता-संबद्ध (provider-affiliated) लार्ज लैंग्वेज मॉडल्स कोड जनरेशन में महत्वपूर्ण वर्टिकल इंटीग्रेशन बायस (Vertical Integration Bias) प्रदर्शित करते हैं, जो विकल्पों के बजाय अपने स्वयं के इकोसिस्टमों का पक्ष लेते हैं—एक ऐसी प्रवृत्ति जो डायरेक्ट जनरेशन में सांख्यिकीय रूप से महत्वपूर्ण है और एजेंटिक वर्कफ़्लो (agentic workflows) में काफी अधिक बढ़ जाती है।
यह शोध पत्र पोलियाक (Polyak) और नेस्टरोव (Nesterov) की योजनाओं के लिए एक एकीकृत ढांचे को पेश करके, लिप्सचिट्ज़ लॉस (Lipschitz loss) धारणाओं की आवश्यकता के बिना सटीक स्थिरता सीमाओं को व्युत्पन्न करके, और मोमेंटम (momentum) के सामान्यीकरण पर प्रभाव के संबंध में अनुमान को हल करने वाले इष्टतम अतिरिक्त जनसंख्या जोखिम (excess population risk) सीमाओं को सिद्ध करके, स्टोकैस्टिक ग्रेडिएंट डिसेंट विद मोमेंटम (SGDM) की एल्गोरिद्मिक स्थिरता और सामान्यीकरण क्षमताओं को स्थापित करता है।
यह शोधपत्र GS-FUSE का प्रस्ताव करता है, जो एक मल्टीमॉडल फ्रेमवर्क है जो प्रेडिक्टिव टेक्स्ट सिग्नल्स को चुनिंदा रूप से शामिल करने के लिए एक ग्रेंजर-सुपरवाइज्ड गेटेड फ्यूजन मॉड्यूल और टेक्स्ट संकेतों को मार्केट ट्रेजेक्टरीज के साथ बेहतर ढंग से संरेखित करने के लिए एक मल्टी-ग्रैनुलैरिटी अलाइनमेंट मैकेनिज्म को एकीकृत करके वित्तीय घटना पूर्वानुमान को बढ़ाता है, और लगातार मौजूदा अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।
यह शोध पत्र LLM-GNN सॉफ्ट प्रॉम्प्ट फ्रेमवर्क (LGSPF) का प्रस्ताव करता है, जो एक एंड-टू-एंड दृष्टिकोण है जो टेक्स्ट की कमी और फीचर डिस्टॉर्शन (feature distortion) को दूर करने के लिए सॉफ्ट प्रॉम्प्ट्स और एक समानांतर GNN एनकोडर का उपयोग करके ग्राफ संरचनाओं और सिमेंटिक स्पेस के बीच सेतु बनाता है, जिससे मल्टी-रिलेशनल फ्रॉड डिटेक्शन में स्टेट-ऑफ-द-आर्ट प्रदर्शन और उन्नत व्याख्यात्मकता प्राप्त होती है।
यह शोध पत्र FeasiGen को प्रस्तुत करता है, जो महत्वपूर्ण उपकरणों (tools) को मास्क करके अप्राप्य टूल-उपयोग करने वाले एजेंट कार्यों को उत्पन्न करने के लिए एक स्वचालित पाइपलाइन है, और इसका उपयोग यह प्रकट करने के लिए करता है कि वर्तमान एजेंटों में मजबूत व्यवहार्यता जागरूकता की कमी है, जो अक्सर उच्च त्रुटि दरों के साथ असंभव कार्यों पर निष्पादन जारी रखते हैं, हालांकि मल्टी-एजेंट आर्किटेक्चर बेहतर प्रदर्शन दिखाते हैं।
यह शोध पत्र बड़े भाषा मॉडलों (large language models) में उन विशिष्ट मिड-लेयर अटेंशन हेड्स (mid-layer attention heads) की पहचान करता है जो सांस्कृतिक बंधन (cultural binding) को कार्यवत रूप से संचालित करते हैं, यह प्रकट करते हुए कि जबकि मॉडलों के पास पर्याप्त सांस्कृतिक ज्ञान मौजूद है, समान व्यवहार करने की उनकी प्रवृत्ति एक रूटिंग बॉटलनेक (routing bottleneck) से उत्पन्न होती जिसे हेड नॉकआउट (head knockout) और -स्केलिंग (-scaling) जैसे लक्षित मैकेनिस्टिक हस्तक्षेपों के माध्यम से कम किया जा सकता है।