24055 पेपर
यह शोधपत्र CriterAlign को प्रस्तुत करता है, जो एक मानदंड-केंद्रित (criterion-centric) ढांचा है जो स्वतंत्र स्कोरिंग को सीधे मानदंड-स्तरीय तुलनाओं से बदलकर और मानव-वरीयता-संरेखित मार्गदर्शन (Human-Preference-Aligned Guidance - HPAG) को शामिल करके युग्वद (pairwise) कोड वरीयता भविष्यवाणी को बढ़ाता है, जिससे मौजूदा मोनोलिथिक जजों की तुलना में महत्वपूर्ण रूप से बेहतर प्रदर्शन होता है।
यह शोध पत्र IDP प्रणाली के भीतर एक ऐसी तकनीक प्रस्तावित करता है जो समरूपता गुणों (symmetry properties) और पड़ोस संरचनाओं (neighborhood structures) के बीच के संबंध का लाभ उठाकर बाधा विनिर्देशों (constraint specifications) से स्थानीय खोज पड़ोस (local search neighborhoods) को स्वचालित रूप से उत्पन्न करती है, और छह शास्त्रीय अनुकूलन समस्याओं पर मूल्यांकनों के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करती है।
यह शोध पत्र एक ट्रेस-आधारित बेंचमार्क प्रस्तुत करता है जो यह मूल्यांकन करता है कि सुरक्षा संरेखण (safety alignment) स्वायत्त सुरक्षा एजेंटों को कैसे प्रभावित करता है, जिससे यह पता चलता है कि जबकि अनसेंसर्ड मॉडल डेरिवेटिव्स जेम्मा (Gemma) जैसे विशिष्ट मामलों में भेद्यता का पता लगाने और ग्राउंडिंग में महत्वपूर्ण सुधार कर सकते हैं, ये लाभ सभी मॉडलों या कार्यों में सार्वभौमिक नहीं हैं और सरल इनकार दरों (refusal rates) से परे सिस्टम-स्तरीय सुरक्षा मेट्रिक्स की आवश्यकता पर प्रकाश डालते हैं।
TERGAD एक नवीन ग्राफ विसंगति पहचान (graph anomaly detection) ढांचा है जो नोड टोपोलॉजिकल गुणों को सिमेंटिक नैरेटिव में अनुवादित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिन्हें फिर एक गेटेड डुअल-ब्रांच ऑटोएनकोडर के माध्यम से मूल गुणों के साथ संलयित किया जाता है ताकि किसी नोड की सामग्री और उसकी संरचनात्मक भूमिका के बीच विसंगतियों से उत्पन्न होने वाली विसंगतियों को प्रभावी ढंग से पहचाना जा सके।
यह शोध पत्र एक विस्तारित साइक्लोनडीएक्स (CycloneDX) आधारित आर्टिफिशियल इंटेलिजेंस बिल ऑफ मैटेरियल्स (AIBOM) ढांचे को प्रस्तुत करता है जो सत्यापन योग्य उत्पत्ति और जीवनचक्र आश्वासन प्राप्त करने के लिए क्रिप्टोग्राफिक सत्यापन और स्वायत्त एआई पाइपलाइनों का लाभ उठाता है, जो एआई प्रणालियों के लिए उच्च पुनरुत्पादकता निष्ठा और मैनुअल निरीक्षण में महत्वपूर्ण कमी प्रदर्शित करता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि निष्पादन योग्य कोड (executable code) स्वाभाविक रूप से सामान्य तर्क क्षमता को बढ़ाता है, बल्कि यह प्रदर्शित करता है कि मिश्रित कोड-पाठ (code-text) और गणित-पाठ (math-text) डेटा के भीतर संरचित तर्क संकेत (structured reasoning signals), न कि केवल कोड, गणितीय तर्क में सुधार लाते हैं और साथ ही क्रॉस-डोमेन ट्रेड-ऑफ को कम करने की एक रणनीति भी प्रदान करते हैं।
यह शोधपत्र GroupAffect-4 को प्रस्तुत करता है, जो दस चार-सदस्यीय समूहों के 40 प्रतिभागियों का एक व्यापक मल्टीमॉडल डेटासेट है जो विविध सहयोगात्मक कार्यों को निष्पादित करते हैं, और यह व्यक्तिगत, अंतर-वैयक्तिक और समूह स्तरों पर प्रभाव (affect) के विश्लेषण को सक्षम करने के लिए सिंक्रनाइज़्ड शारीरिक (physiological), आई-ट्रैकिंग, ऑडियो और स्व-रिपोर्ट डेटा को एकीकृत करता है।
यह शोध पत्र AR1-ZO को प्रस्तुत करता है, जो एक टोपोलॉजी-जागरूक ज़ीरो-ऑर्डर ऑप्टिमाइज़ेशन विधि है जो एक सुधारात्मक स्केलिंग फैक्टर के साथ व्यक्तिगत रैंक-1 परमाणुओं (atoms) को क्वेरी करके उच्च-रैंक LoRA फाइन-ट्यूनिंग में रैंक विरोधाभास (rank paradox) को हल करता है, जिससे सिग्नल की शक्ति बहाल होती है और सहायक आधारों (auxiliary bases) या अतिरिक्त फॉरवर्ड पास के बिना प्रभावी मेमोरी-कुशल प्रशिक्षण सक्षम होता है।
यह शोधपत्र OpenComputer प्रस्तुत करता है, जो एक सत्यापनकर्ता-आधारित (verifier-grounded) ढांचा है जो कंप्यूटर-उपयोग करने वाले एजेंटों के लिए सत्यापन योग्य सॉफ्टवेयर जगत का निर्माण करता है, जिसमें एप्लिकेशन-विशिष्ट अवस्था सत्यापनकर्ताओं (application-specific state verifiers), एक स्व-विकसित होने वाले सत्यापन परत (self-evolving verification layer), एक कार्य-जनरेशन पाइपलाइन और एक मूल्यांकन हारनेस को एकीकृत किया गया है ताकि वर्तमान सीमावर्ती (frontier) और ओपन-सोर्स एजेंटों की आंशिक प्रगति के बावजूद उनकी मजबूती में महत्वपूर्ण अंतराल को उजागर किया जा सके।
यह शोध पत्र निरंतर एआई एजेंट मूल्यांकन के लिए एक वितरण-मुक्त (distribution-free) ढांचे को प्रस्तुत करता है जो कैलिब्रेटेड अनिश्चितता अंतराल (calibrated uncertainty intervals), मल्टी-एजेंट पाइपलाइनों के लिए संरचनात्मक सीमाएं (compositional bounds), और रैंकिंग के लिए नियंत्रित अपवर्जन नियम (controlled abstention rules) प्रदान करने के लिए कॉन्फॉर्मल प्रेडिक्शन और एडेप्टिव कॉन्फॉर्मल इन्फरेंस को अनुकूलित करता है, जो 50 एजेंटों और 18 रियल-टाइम सिग्नलों पर मजबूत प्रदर्शन प्रदर्शित करता है।