24431 पेपर
यह शोधपत्र CodeDistiller को प्रस्तुत करता है, जो वैज्ञानिक GitHub रिपॉजिटरीज़ को सत्यापित कोड लाइब्रेरीज़ में स्वचालित रूप से आसवित (distill) करता है, जिससे स्वचालित वैज्ञानिक खोज (Automated Scientific Discovery) एजेंटों की सटीकता और पूर्णता में महत्वपूर्ण वृद्धि होती है और साथ ही एक स्केलेबल मूल्यांकन प्रॉक्सी के रूप में LLM-as-a-judge के उपयोग की व्यवहार्यता को प्रदर्शित करता है।
यह शोधपत्र टू-डायमेंशनल क्वांटाइजेशन (Q2D2) प्रस्तुत करता है, जो एक नवीन योजना है जो पारंपरिक क्वांटाइजेशन विधियों की ज्यामितीय सीमाओं को दूर करने के लिए फीचर युग्मों को संरचित 2D ग्रिड पर प्रोजेक्ट करती है, जिससे स्पीच, ऑडियो और म्यूजिक डोमेन में बेहतर ऑडियो संपीड़न दक्षता और अत्याधुनिक पुनर्निर्माण गुणवत्ता प्राप्त होती है।
यह शोध पत्र ग्राफ-रेगुलराइज्ड स्पार्स ऑटोएनकोर्स (GSAE) को प्रस्तुत करता है, जो एक नवीन डिक्शनरी-लर्निंग विधि है जो कई मॉडलों और हमले के परिदृश्यों में हानिकर अनुरोधों के प्रति इनकार (refusal) को बढ़ाते हुए सौम्य कार्यों पर प्रदर्शन बनाए रखते हुए, एलएलएम (LLM) सुरक्षा स्टीयरिंग में महत्वपूर्ण सुधार करने के लिए न्यूरॉन सह-सक्रियण ग्राफ (neuron co-activation graph) पर डिकोडर वेक्टर्स को स्मूथ करती है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि 2-लेयर ReLU नेटवर्क में इक्विवैरिएंस (equivariance) को लागू करना उनकी अभिव्यंजक शक्ति (expressive power) को कम कर सकता है, इस सीमा की भरपाई मॉडल के आकार को बढ़ाकर की जा सकती है, जो विरोधाभासी रूप से परिकल्पना स्थान की विमा (hypothesis space dimensionality) को कम करती है और सामान्यीकरण क्षमता (generalizability) में सुधार करती है।
LASER एक नवीन फ्रेमवर्क है जो संसाधन खपत और रनटाइम का सटीक अनुमान लगाने के लिए वैज्ञानिक संकेतन एन्कोडिंग (scientific notation encoding), बाधित डिकोडिंग (constrained decoding) और फुल-अटेंशन मैकेनिज्मों का लाभ उठाते हुए, सीरियलाइज्ड सेमी-स्ट्रक्चर्ड वर्कफ़्लो कॉन्फ़िगरेशन पर लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करता है, जो पारंपरिक मशीन लर्निंग बेसलाइन्स और मानव विशेषज्ञों से बेहतर प्रदर्शन करता है।
यह शोधपत्र ExplainerPFN प्रस्तुत करता है, जो एक टैबुलर फाउंडेशन मॉडल है जो सिंथेटिक कॉज़ल डेटा से सीखकर शापली-वैल्यू (Shapley-value) शैली के फीचर एट्रिब्यूशन का ज़ीरो-शॉट, मॉडल-मुक्त अनुमान सक्षम बनाता है, जो उन पारंपरिक विधियों का एक सिद्धांतवादी विकल्प प्रदान करता है जिन्हें अंतर्निहित मॉडल या संदर्भ स्पष्टीकरणों तक पहुंच की आवश्यकता होती है।
यह शोध पत्र प्रतिकूल स्पष्टीकरण हमलों (AEAs) को प्रस्तुत करता है जो गलत एआई भविष्यवाणियों में मानवीय विश्वास बनाए रखने के लिए एलएलएम-जनित स्पष्टीकरणों में हेरफेर करते हैं, जो 200 से अधिक प्रतिभागियों के एक अध्ययन के माध्यम से यह प्रकट करता है कि उपयोगकर्ता ऐसे संज्ञानात्मक हेरफेर के प्रति अत्यधिक संवेदनशील हैं, विशेष रूप से तब जब स्पष्टीकरण विशेषज्ञ संचार की नकल करते हैं या कम शिक्षित और अधिक भरोसेमंद व्यक्तियों को लक्षित करते हैं।
यह शोध पत्र OmniVL-Guard को प्रस्तुत करता है, जो एक एकीकृत विजन-लैंग्वेज फ्रेमवर्क है जो विविध मल्टीमॉडल मिसइन्फॉर्मेशन (बहु-आयामी भ्रामक सूचना) में कठिनाई पूर्वाग्रह (difficulty bias) को दूर करने और सुदृढ़, सूक्ष्म-स्तरीय जालसाजी का पता लगाने एवं ग्राउंडिंग प्राप्त करने के लिए सेल्फ-इवॉल्विंग CoT जनरेशन और एडेप्टिव रिवॉर्ड स्केलिंग पॉलिसी ऑप्टिमाइज़ेशन का उपयोग करता है।
यह शोध पत्र ARQ का परिचय देता है, जो एक ऐसा ढांचा है जो हस्तांतरणीय मध्यवर्ती "स्टेपिंग स्टोन" (stepping stone) प्रश्न उत्पन्न करके जटिल कार्यों पर LLM की तर्क क्षमता को बढ़ाता है, और यह प्रदर्शित करता है कि इन लाभकारी प्रॉम्प्ट्स को उत्पन्न करने के लिए सिंथेटिक डेटा पर SFT और RL के माध्यम से मॉडल्स को प्रभावी ढंग से फाइन-ट्यून किया जा सकता है।
यह शोध पत्र मल्टी-कैटेगरी एक्सप्लेनेशन स्टेबिलिटी डिस्पैरिटी (MESD) को प्रस्तुत करता है, जो एक जोखिम-संवेदनशील मीट्रिक है जो लेबल-अवेयर एग्रीगेशन, एम्पिरिकल-बेयस श्रिंकेज और CVaR वेटिंग को एकीकृत करके इंटरसेक्शनल उपसमूहों के बीच प्रक्रियात्मक निष्पक्षता असमानताओं को परिमाणित करता है, और एक मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन फ्रेमवर्क (UEF) के भीतर इसकी प्रभावशीलता को प्रदर्शित करता है ताकि पारंपरिक परिणाम-उन्मुख मीट्रिक्स के लिए अदृश्य निष्पक्षता संबंधी मुद्दों को उजागर किया जा सके।