24055 पेपर
यह शोध पत्र इस धारणा को चुनौती देता है कि प्रक्रियात्मक "कौशल" (Skills) सार्वभौमिक रूप से LLM एजेंट के प्रदर्शन को बढ़ाते हैं, यह प्रदर्शित करते हुए कि उच्च-बैंडविड्थ और स्कीमा-सत्यापित टूल फीडबैक वाले आक्रामक साइबर सुरक्षा परिवेशों में, ऐसे कौशल जोड़ने से नगण्य लाभ होता है या प्रदर्शन में गिरावट भी आती है क्योंकि परिवेश स्वयं आवश्यक सुधार संकेत प्रदान करता है।
PromptRad एक ज्ञान-संवर्धित प्रॉम्प्ट-ट्यूनिंग फ्रेमवर्क है जो रेडियोलॉजी रिपोर्ट लेबलिंग को UMLS समानार्थी शब्दों का उपयोग करके मास्क्ड लैंग्वेज मॉडलिंग के रूप में पुनर्गठित करता है, जिससे न्यूनतम लेबल किए गए डेटा के साथ उच्च-प्रदर्शन वाली मल्टी-लेबल वर्गीकरण सक्षम होती है और पारंपरिक फाइन-ट्यूनिंग एवं डिक्शनरी-आधारित विधियों से बेहतर प्रदर्शन करती है।
यह शोध पत्र मौजूदा नोड-स्तरीय विधियों की सीमाओं को दूर करने के लिए परिष्कृत LLM प्रॉम्प्टिंग और एक चरणबद्ध रिकवरी रणनीति का उपयोग करके, जटिल वास्तविक दुनिया के ROS 2 सिस्टम में पदानुक्रमित सॉफ्टवेयर आर्किटेक्चर को पुनर्प्राप्त करने के लिए एक उन्नत एजेंट-आधारित, बहु-स्तरीय दृष्टिकोण प्रस्तुत करता है।
यह शोध पत्र प्रकट करता है कि यांत्रिक पहेलियों को हल करने वाले एम्बॉडीड (embodied) एलएलएम (LLM) एजेंट विरोधाभासी रूप से कम-सटीकता वाले संवेदी इनपुट या मध्यम संवेदी शोर के साथ उच्च सफलता दर प्राप्त कर सकते हैं, क्योंकि ये खामियां दोहराव वाले क्रिया चक्रों को तोड़ने और तर्क संबंधी विफलताओं को छिपाने में मदद करती हैं, जो इस धारणा को चुनौती देती है कि पूर्ण अवलोकन हमेशा इष्टतम प्रदर्शन की ओर ले जाता है।
CopT एक प्रशिक्षण-मुक्त तर्क ढांचा (training-free reasoning framework) है जो मानक चेन-ऑफ-थॉट प्रतिमान को उलट देता है, जिसमें पहले एक ड्राफ्ट उत्तर उत्पन्न किया जाता है और फिर केवल आवश्यकता होने पर ही गतिशील रूप से ऑन-पॉलिसी प्रतिबिंब (on-policy reflection) को ट्रिगर करने के लिए निरंतर-स्थान कंट्रास्टिव सत्यापनकर्ताओं (continuous-space contrastive verifiers) का उपयोग किया जाता है, जिससे विविध तर्क कार्यों में सटीकता में उल्लेखनीय सुधार होता है और टोकन लागत कम होती है।
यह शोधपत्र इवोट्रेस (EvoTrace), जो विकासवादी कोडिंग ट्रेसेस का एक डेटासेट है, और इवोरिप्ले (EvoReplay), जो एक रिप्ले-आधारित कार्यप्रणाली है, को प्रस्तुत करता है, जिससे यह प्रकट होता है कि विकासवादी कोडिंग एजेंटों में प्रदर्शन लाभ अक्सर वास्तविक एल्गोरिद्मिक नवाचार के बजाय री-ट्यूनिंग या मौजूदा ज्ञान के पुन: उपयोग जैसे विविध तंत्रों से उत्पन्न होते हैं, जैसा कि कोड लाइनों के बार-बार होने वाले नियतात्मक चक्रण (deterministic cycling) से प्रमाणित होता है।
यह शोधपत्र ThoughtTrace को प्रस्तुत करता है, जो वास्तविक दुनिया की मानव-AI बातचीत को उपयोगकर्ताओं के स्व-रिपोर्ट किए गए विचारों के साथ जोड़ने वाला पहला बड़े पैमाने का डेटासेट है, जो यह प्रकट करता है कि ये अंतर्निहित संज्ञानात्मक अवस्थाएं बोले गए संदेशों से भिन्न होती हैं, मॉडलों के लिए इनका अनुमान लगाना कठिन होता है, और उपयोगकर्ता-व्यवहार भविष्यवाणी तथा व्यक्तिगत, लक्ष्य-अनुरूप सहायक प्रशिक्षित करने के लिए अत्यधिक मूल्यवान होती हैं।
यह शोध पत्र इन्फरेंस-टाइम आर्गुमेंटेशन (ITA) का परिचय देता है, जो एक न्यूरोसिम्बोलिक फ्रेमवर्क है जो औपचारिक तर्कार्थ सिमेंटिक्स (formal argumentation semantics) को एलएलएम (LLMs) को तर्क उत्पन्न करने और स्कोर करने के लिए प्रशिक्षित करने हेतु एकीकृत करता है, जिससे नियत (deterministic), निष्ठावान त्रिपक्षीय दावा सत्यापन (ternary claim verification) सक्षम होता है जो मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है और पारदर्शी, निरीक्षण योग्य तर्क प्रदान करता है।
यह शोध पत्र अरस्तू (Aristotle) API का उपयोग करके IMO 2009 ग्रासहॉपर (Grasshopper) समस्या के एक लीन 4 (Lean 4) औपचारिकीकरण केस स्टडी को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि यद्यपि AI प्रमाण रणनीति के स्थानीय घटकों को सफलतापूर्वक सत्यापित कर सकता है, लेकिन यह मुख्य प्रमेय को पूर्ण करने के लिए आवश्यक वैश्विक संयोजी बहीखाता पद्धति (global combinatorial bookkeeping) को हल करने में वर्तमान में संघर्ष करता है।
यह शोध पत्र एक एकीकृत ढांचे को प्रस्तुत करता है जो यह मात्रात्मक रूप से मापता है कि मस्तिष्क प्रतिक्रिया स्थान के कौन से विशिष्ट पुनरुत्पादक आयाम (reproducible dimensions) प्राप्त किए गए हैं, जिससे यह स्पष्ट होता है कि केवल भविष्यवाणी सटीकता (prediction accuracy) कृत्रिम विजन मॉडल और मानव दृश्य वल्कुट (visual cortex) के बीच महत्वपूर्ण बेमेल को छिपा सकती है।