23941 पेपर
यह शोध पत्र विशेष रूप से सिंथेटिक रूप से जनरेट किए गए, संकीर्ण रूप से केंद्रित कार्यों पर आक्रामक रूप से फाइन-ट्यून किए गए विशिष्ट छोटे भाषा मॉडलों (SLMs) का उपयोग करके उच्च-गुणवत्ता वाली, वास्तविक समय की गतिशील गेम सामग्री उत्पन्न करने के लिए एक प्रूफ-ऑफ-कॉन्सेप्ट रणनीति का प्रस्ताव और सत्यापन करता है, जिससे बड़े भाषा मॉडलों की नैरेटिव विसंगति और क्लाउड-निर्भरता की सीमाओं को दूर किया जा सके।
यह शोध पत्र WIND को प्रस्तुत करता है, जो एक ज़ीरो-शॉट वायुमंडलीय फाउंडेशन मॉडल है जो एक कार्य-अज्ञेय (task-agnostic) प्रायर सीखने के लिए स्व-पर्यवेक्षित वीडियो डिफ्यूजन का लाभ उठाता है, जिससे यह किसी भी कार्य-विशिष्ट फाइन-ट्यूनिंग की आवश्यकता के बिना, इनवर्स प्रॉब्लम सैंपलिंग के माध्यम से पूर्वानुमान, डाउनस्केलिंग और पुनर्निर्माण सहित विविध मौसम और जलवायु समस्याओं को हल करने में सक्षम होता है।
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए सुदृढीकरण शिक्षण (reinforcement learning) डिज़ाइन स्पेस का व्यवस्थित रूप से विश्लेषण करता है और यह प्रदर्शित करता है कि अंतिम जनरेट किए गए नमूने से गणना किया गया एक एविडेंस लोअर बाउंड (ELBO) आधारित लाइकलीहुड एस्टीमेटर उपयोग करना ही कुशल और स्थिर अनुकूलन को सक्षम करने वाला महत्वपूर्ण कारक है, जो गति और रिवॉर्ड दोनों बेंचमार्क में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह अध्ययन प्रदर्शित करता है कि वीडियो क्लिप के टेम्पोरल कॉन्टेक्स्ट (कालिक संदर्भ) को बढ़ाने से मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (लेकिन यूनिमोडल वीडियो मॉडल्स के लिए नहीं) के लिए ब्रेन-मॉडल अलाइनमेंट में महत्वपूर्ण सुधार होता है, जो नैरेटिव कॉम्प्रिहेन्शन (कथा बोध) के दौरान उच्च-क्रम मस्तिष्क क्षेत्रों में लंबी न्यूरल इंटीग्रेशन टाइमस्केल्स और MLLMs की गहरी परतों के बीच एक पदानुक्रमित पत्राचार को प्रकट करता है।
यह शोध पत्र तर्क देता है कि मानक नेक्स्ट-टोकन प्रेडिक्शन प्रशिक्षण स्मृति के लिए अनुपयुक्त और सूचना-विहीन एम्बेडिंग उत्पन्न करता है, और उच्च-सटीक स्मृति निर्माण और कम्प्यूटेशनल दक्षता प्राप्त करने के लिए संयुक्त कॉज़ल (causal) और सूचना-प्रतिधारण उद्देश्यों के साथ प्रशिक्षित एक समानांतर योग्य एनकोडर-डिकोडर आर्किटेक्चर का प्रस्ताव करता है।
यह शोध पत्र एक परिचालन एस्केलेशन फ्रेमवर्क (operational escalation framework) प्रस्तावित करता है जिसमें आठ मानदंड और एक निर्णय फ्लोचार्ट है ताकि यह मार्गदर्शन किया जा सके कि कब एआई (AI) घटनाओं को राष्ट्रीय से अंतर्राष्ट्रीय स्तर पर संभालने के लिए एस्केलेट किया जाना चाहिए, साथ ही तीन ऐसे डिज़ाइन पैटर्न की पहचान की गई है जो वर्तमान में मौजूदा नियामक व्यवस्थाओं में व्यवस्थित रूप से कम-पता लगाने (under-detection) का कारण बनते हैं।
Skim एक स्पेक्युलेटिव एक्जीक्यूशन फ्रेमवर्क है जो अधिकांश क्वेरीज़ के लिए भारी-भरकम इन्फरेंस कंपोनेंट्स को बायपास करने के लिए अनुमानित वेबसाइट संरचनाओं का लाभ उठाकर वेब एजेंट्स की लागत और लेटेंसी को काफी कम कर देता है, जबकि सटीकता सुनिश्चित करने के लिए एक हल्के वर्िफायर का उपयोग करता है और दुर्लभ विफलताओं को निर्बाध रूप से पूर्ण एजेंट्स तक पहुँचाता है।
यह शोध पत्र SLEIGHT-Bench को प्रस्तुत करता है, जो 11 श्रेणियों में 40 सिंथेटिक कोडिंग एजेंट हमलों का एक बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान LLM-आधारित मॉनिटर सूक्ष्म बचाव रणनीतियों (evasion strategies) का पता लगाने में संघर्ष करते हैं, केवल 32% कैच रेट प्राप्त करते हैं और बेहतर निगरानी तकनीकों की आवश्यकता पर प्रकाश डालते हैं।
PrivScope हाइब्रिड एजेंटिक सिस्टम्स के लिए एक विश्वसनीय ऑन-डिवाइस पेलोड गवर्नर है जो अप्रासंगिक संदर्भ को फ़िल्टर करके और संवेदनशील विवरणों को उनके सबसे कम-प्रकटीकरण वाले रूप में संक्षिप्त करके कार्य-आधारित प्रकटीकरण नियंत्रण को लागू करता है, जिससे विभिन्न क्लाउड लैंग्वेज मॉडल्स में उच्च कार्य सफलता दर बनाए रखते हुए प्रोफाइल लीकेज को समाप्त करता है और पुन: पहचान के जोखिमों को कम करता है।
यह अध्ययन प्रकट करता है कि जहाँ बड़े भाषा मॉडल भावनाओं और छवि संबंधी विशेषताओं के संबंध में मानवीय सौंदर्य मूल्यांकन पैटर्न का अनुमान लगा सकते हैं, वहीं वे शारीरिक संवेदनाओं जैसे अंतःप्रceptिव (interoceptive) पहलुओं में महत्वपूर्ण विचलन प्रदर्शित करते हैं, जो वर्तमान एआई संरेखण (AI alignment) और प्रशिक्षण डेटा प्रतिनिधित्व की गंभीर सीमाओं को रेखांकित करता है।