23941 पेपर
यह शोध पत्र MASFactory को प्रस्तुत करता है, जो एक ग्राफ-केंद्रित ढांचा है जो प्राकृतिक भाषा के इरादों (intents) को निष्पादन योग्य मल्टी-एजेंट वर्कफ़्लो में संकलित करने के लिए एक ह्यूम-इन-द-लूप "वाइब ग्राफ़िंग" दृष्टिकोण का उपयोग करता है, जिससे मैनुअल कार्यान्वयन, पुन: उपयोग और संदर्भ एकीकरण की चुनौतियों का समाधान होता है और सात सार्वजनिक बेंचमार्क पर प्रभावशीलता प्रदर्शित होती है।
OmniVL-Guard Pro एक टूल-ऑगमेंटेड एजेंट है जो विविध बाहरी उपकरणों को एकीकृत करके और स्टेट-ऑफ-द-आर्ट, ओपन-वर्ल्ड रीजनिंग और जनरलाइजेशन को प्राप्त करने के लिए ट्री-स्ट्रक्चर्ड सेल्फ-इवॉल्विंग टूल ट्राजेक्टरी जनरेशन के साथ चेकर-गाइडेड एजेंटिक रीइन्फोर्समेंट लर्निंग का उपयोग करके क्लोज्ड-वर्ल्ड विजन-लैंग्वेज फोरेंसिक्स की सीमाओं को दूर करता है, जिससे जालसाजी का पता लगाने और ग्राउंडिंग कार्यों में उत्कृष्टता प्राप्त होती है।
यह शोध पत्र एक न्यूरल फ्रेमवर्क प्रस्तावित करता है जो सुडोकू और प्रोटीन अनुक्रम निर्माण जैसे कार्यों के लिए जनरेटिव गुणवत्ता को बनाए रखते हुए, समानांतर डिकोडिंग में 3-5 गुना त्वरण सक्षम करने के लिए प्रीट्रेंड मास्कड डिफ्यूजन मॉडल्स के हिडन स्टेट्स से पेयरवाइज कंडीशनल म्यूचुअल इंफॉर्मेशन का अनुमान लगाता है ताकि कंडिशनली इंडिपेंडेंट वेरिएबल सबसेट्स की पहचान की जा सके।
GraphDiffMed एक नवीन दवा अनुशंसा ढांचा (medication recommendation framework) है जो मौजूदा विधियों की तुलना में EHR डेटा पर बेहतर सुरक्षा और अनुशंसा प्रदर्शन प्राप्त करने के लिए फार्माकोलॉजिकल बाधाओं को एकीकृत करते हुए रोगी प्रक्षेपवक्र (patient trajectories) में शोर को फ़िल्टर करने हेतु डुअल-स्केल डिफरेंशियल अटेंशन का लाभ उठाता है।
यह शोध पत्र SOLAR को प्रस्तुत करता है, जो एक स्व-अनुकूलित स्वायत्त एजेंट है जो कैटास्ट्रोफिक फॉरगेटिंग (विस्मृति) और उच्च अनुकूलन लागतों को दूर करने के लिए पैरामीटर-स्तरीय मेटा-लर्निंग और बहु-स्तरीय सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) का लाभ उठाता है, जिससे बड़े भाषा मॉडल (एलएलएम) संशोधन रणनीतियों के एक विकसित होते ज्ञान आधार के माध्यम से गतिशील, गैर-स्थिर वातावरण के अनुकूल निरंतर सीखने और ढलने में सक्षम होते हैं।
यह अध्ययन लो-बिट क्वांटाइज्ड LLaMA-3.1 मॉडल्स में मतिभ्रम (hallucinations) और अस्थिरता को कम करने के लिए एक क्वांटाइजेशन-अवेयर मल्टी-पास प्रॉम्प्ट वेरिफिकेशन विधि प्रस्तावित करता है, जो यह प्रदर्शित करता है कि जबकि 8-बिट मॉडल्स मानव-कोडित ग्राउंड ट्रुथ से सबसे बेहतर मेल खाते हैं, प्रस्तावित तकनीक लागत प्रभावी गुणात्मक अनुसंधान के लिए लोअर-बिट (4-बिट, 3-बिट, और 2-बिट) मॉडल्स की सटीकता और विश्वसनीयता को महत्वपूर्ण रूप से बढ़ाती है।
यह शोध पत्र एक संरचित ढांचे का प्रस्ताव करता है जो लंबे दस्तावेज़ों का विश्लेषण करते समय लार्ज लैंग्वेज मॉडल्स (LLMs) में विश्लेषणात्मक पूर्वाग्रह, विलोपन त्रुटियों और असमर्थित दावों को महत्वपूर्ण रूप से कम करने के लिए समानांतर चंक-स्तरीय प्रसंस्करण (parallel chunk-level processing) को साक्ष्य-आधारित समेकन (evidence-anchored consolidation) के साथ जोड़ता है, जो विशेष रूप से छोटे मॉडल्स के प्रदर्शन को बढ़ाता है।
एक सक्रिय, जनरेटिव एआई-संचालित सामाजिक रूप से संवादात्मक एजेंट के इस उपयोगकर्ता अध्ययन से पता चलता है कि यद्यपि एक प्रचलित "पोकर फेस" प्रभाव के कारण भाषाई विश्लेषण चेहरे की पहचान की तुलना में उपयोगकर्ता की भावनाओं का पता लगाने में बेहतर प्रदर्शन करता है, प्रणाली की विशिष्ट भावनाओं को उत्पन्न करने की क्षमता प्रभावी है फिर भी यह अनकैलिब्रेटेड सक्रियता से बाधित है जो उपयोगकर्ता की अरुचि का जोखिम उत्पन्न करती है।
यह शोध पत्र ProxyCoT को प्रस्तुत करता है, जो एक प्रशिक्षण ढांचा है जो लघु प्रॉक्सी संदर्भों (short proxy contexts) से प्राप्त उच्च-गुणवत्ता वाले चेन-ऑफ-थॉट ट्रेसेस (chain-of-thought traces) को सुपरवाइज्ड फाइन-ट्यूनिंग के माध्यम से पूर्ण-लंबाई वाले अनुक्रमों (full-length sequences) में स्थानांतरित करके बड़े भाषा मॉडलों में दीर्घ-संदर्भ तर्क (long-context reasoning) को बढ़ाता है, जिससे कम कम्प्यूटेशनल लागत और मजबूत आउट-ऑफ-डोमेन सामान्यीकरण (out-of-domain generalization) के साथ बेहतर प्रदर्शन प्राप्त होता है।
यह अध्ययन प्रदर्शित करता है कि भावनात्मक रूप से फ्रेम किए गए प्रॉम्प्ट छोटे भाषा मॉडलों (small language models) में मापने योग्य व्यवहारिक बदलाव और विशिष्ट, संरचित आंतरिक प्रतिनिधित्व पैटर्न प्रेरित करते हैं, जो अंतर्निहित भावनात्मक अवस्थाओं का संकेत दिए बिना प्रॉम्प्ट-संवेदनशील नियंत्रण दिशाओं को प्रकट करते हैं।