23845 पेपर
यह शोध पत्र OmniToM प्रस्तुत करता है, जो एक नया बेंचमार्क है जो लार्ज लैंग्वेज मॉडल्स की थ्योरी ऑफ माइंड क्षमताओं का मूल्यांकन करने के लिए केवल अंतिम प्रश्न-उत्तर प्रदर्शन पर निर्भर रहने के बजाय अभिनेताओं की विश्वास संरचनाओं के स्पष्ट, बहु-आयामी मॉडलिंग की आवश्यकता रखता है, जिससे यह पता चलता है कि वर्तमान मॉडल कथात्मक तथ्यों को सटीक मानसिक-अवस्था निरूपणों में बदलने के लिए आवश्यक विशिष्ट तर्क करने में संघर्ष करते हैं।
यह शोध पत्र BEAP को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स, एम्बेडिंग-अवेयर एडवरसेरियल प्रॉम्प्टिंग हमला है जो उच्च-गुणवत्ता वाले, अविोंधनीय प्रॉम्प्ट्स को पुनरावृत्ति (iteratively) के माध्यम से उत्पन्न करने के लिए एक लार्ज लैंग्वेज मॉडल का लाभ उठाता है, और टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स में मशीन अनलर्निंग डिफेंस को पिछले तरीकों की तुलना में काफी अधिक सफलता दर के साथ सफलतापूर्वक बायपास करता है।
यह शोध पत्र ScientistOne को प्रस्तुत करता है, जो एक 'चेन-ऑफ-एविडेंस' (साक्ष्य की श्रृंखला) ढांचे पर निर्मित एक स्वायत्त अनुसंधान प्रणाली है जो निर्माण द्वारा सत्यापन सुनिश्चित करती है, जिससे काल्पनिक उद्धरणों (hallucinated citations) को समाप्त किया जा सके और पूर्ण स्कोर सत्यापन तथा उत्कृष्ट विधि-कोड संरेखण प्राप्त किया जा सके, साथ ही विविध फ्रंटियर अनुसंधान कार्यों में मानव विशेषज्ञ के प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र इस धारणा को चुनौती देता है कि सही प्रदर्शन (demonstrations) हमेशा इन-कॉन्टेक्स्ट लर्निंग (In-Context Learning) में सहायता करते हैं, यह प्रकट करते हुए कि कार्य-संरक्षण संबंधी व्यवधान (task-preserving perturbations) "संदर्भगत साक्ष्य विस्थापन" (contextual evidence shift) के माध्यम से प्रदर्शन को कम कर सकते हैं, जो यह प्रदर्शित करता है कि उदाहरणों की उपयोगिता इस बात पर निर्भर करती है कि वे संदर्भगत अनुमान (contextual inference) को कैसे प्रभावित करते हैं न कि केवल उनकी शुद्धता पर।
यह शोधपत्र DecoupleGen पेश करता है, जो एक ऐसी विधि है जो दुर्लभ प्रासंगिक पैटर्न के लिए प्रशिक्षण संवर्धन (training augmentation) हेतु अर्थपूर्ण चित्र उत्पन्न करने के लिए टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल को व्यक्तिगत रूप से अनुकूलित करती है, जिससे डेटासेट पूर्वाग्रह को कम करने और असामान्य परिदृश्यों में वस्तु पहचान में सुधार करने में मदद मिलती है।
यह शोध पत्र प्रशिक्षण-मुक्त 'फर्स्ट इफेक्टिव पीक ऑफ इंट्रिन्सिक डायमेंशन' (FEPoID) मानदंड को पेश करके लार्ज लैंग्वेज मॉडल्स में मतिभ्रम (hallucination) का पता लगाने के लिए इष्टतम मध्यवर्ती परतों (intermediate layers) को स्वचालित रूप से चुनने की चुनौती को संबोधित करता है, जो मौजूदा विधियों से लगातार बेहतर प्रदर्शन करता है और जिसे डिटेक्शन संकेतों को बढ़ाने के लिए एक नवीन ट्रंकेशन रणनीति द्वारा और अधिक उन्नत किया गया है।
यह शोध पत्र PaGeR को प्रस्तुत करता है, जो एक एकीकृत ढांचा (framework) है जो प्री-ट्रेंड पर्सपेक्टिव-आधारित 3D फाउंडेशन मॉडल्स को पर्सपेक्टिव और पैनोरमिक दोनों छवियों से स्केल-इनवेरिएंट डेप्थ, मेट्रिक डेप्थ, सरफेस नॉर्मल्स और स्काई मास्क का एक साथ अनुमान लगाने के लिए अनुकूलित करता है, जिससे 360-डिग्री दृश्य पुनर्निर्माण (scene reconstruction) में अत्याधुनिक (state-of-the-art) और ज़ीरो-शॉट प्रदर्शन प्राप्त होता है।
यह शोध पत्र CARL को प्रस्तुत करता है, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) एल्गोरिदम है जो आवश्यक क्रिया अनुक्रमों के साथ वैश्विक संदर्भों को संरेखित करने के लिए स्थानीय गतिकी की नियमितता का लाभ उठाता है, जिससे पुन: प्रयोज्य कौशल सीखे जाते हैं जो जटिल कार्यों पर डाउनस्ट्रीम प्रदर्शन में सुधार करते हैं।
यह शोध पत्र VisualNeedle को प्रस्तुत करता है, जो सूचना-सघन दृश्यों के लिए एक चुनौतीपूर्ण बेंचमार्क है जो वर्तमान मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की सूक्ष्म दृश्य खोज क्षमताओं की महत्वपूर्ण सीमाओं को प्रकट करता है और एक नवीन 'क्रॉप-ब्लैक' (crop-black) एब्लेशन के माध्यम से यह प्रदर्शित करता है कि उनकी सफलता भाषाई पूर्वाग्रहों या मोटे अर्थों के बजाय वास्तविक मध्यवर्ती दृश्य साक्ष्यों पर निर्भर करती है।
यह शोध पत्र एक मनोवैज्ञानिक रूप से भारित (psychometrically-weighted) मूल्यांकन ढांचे को प्रस्तुत करता है जो ऑटिस्टिक एनोटेटर के दृष्टिकोण को प्राथमिकता देता है ताकि यह प्रकट किया जा सके कि कैसे लार्ज लैंग्वेज मॉडल्स अक्सर पुनरुद्धारित भाषा (reclaimed language) को विकलांगता-विरोधी (ableist) के रूप में गलत पहचानते हैं और एंटी-ऑटिस्टिक पूर्वाग्रह का आकलन करते समय संदर्भ संबंधी सूक्ष्मता के बजाय सतही कीवर्ड मिलान पर निर्भर करते हैं।