24509 पेपर
यह शोधपत्र TAMO को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित, पूर्णतः एमोर्टाइज्ड (fully amortized) पॉलिसी है जो कुशल, सार्वभौमिक मल्टी-ऑब्जेक्टिव ब्लैक-बॉक्स ऑप्टिमाइजेशन करने के लिए इन-कॉन्टेक्स्ट लर्निंग और रीइन्फोर्समेंट लर्निंग का लाभ उठाता है, जिसमें प्रति-कार्य सरोगेट फिटिंग या एक्विजिशन फंक्शन इंजीनियरिंग की आवश्यकता नहीं होती है।
यह स्थिति पत्र तर्क देता है कि छवि निर्माण मॉडलों को सामान्य सौंदर्य संबंधी प्राथमिकताओं के प्रति अत्यधिक संरेखित करना उपयोगकर्ता की स्वायत्तता और कलात्मक बहुलवाद को कमजोर करता है, क्योंकि यह "सौंदर्य-विरोधी" आउटपुट को व्यवस्थित रूप से दंडित करता है, भले ही वे स्पष्ट उपयोगकर्ता निर्देशों का कड़ाई से पालन करते हों।
यह शोधपत्र Floorplan2Guide का प्रस्ताव करता है, जो दृष्टिबाधित और अल्प दृष्टि वाले उपयोगकर्ताओं के लिए एक LLM-संचालित नेविगेशन प्रणाली है जो सटीक निर्देश उत्पन्न करने के लिए फ्लोर प्लान को नॉलेज ग्राफ में परिवर्तित करती है, और यह प्रदर्शित करती है कि फ्यू-शॉट लर्निंग (few-shot learning) और ग्राफ-आधारित स्थानिक तर्क (graph-based spatial reasoning), नेविगेशन सटीकता में सुधार करने के लिए प्रत्यक्ष दृश्य तर्क (direct visual reasoning) की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र RW-Post प्रस्तुत करता है, जो वास्तविक दुनिया के मल्टीमॉडल फैक्ट-चेकिंग के लिए एक नया ऑडिटेबल बेंचमार्क है जो सोशल मीडिया पोस्ट को मानव-सत्यापित साक्ष्यों और तर्क संबंधी निशानों (रीज़निंग ट्रेसेस) के साथ जोड़ता है, और इसके साथ ही AgentFact बेसलाइन को भी शामिल करता है, ताकि वर्तमान मॉडलों की साक्ष्यों में विजुअल दावों को निष्ठापूर्वक ग्राउंड करने की क्षमता में महत्वपूर्ण अंतराल को उजागर किया जा सके।
यह शोध पत्र EPAG प्रस्तुत करता है, जो नैदानिक दिशानिर्देशों के विरुद्ध बड़े भाषा मॉडलों (LLMs) की पूर्व-परामर्श क्षमताओं का मूल्यांकन करने के लिए एक बेंचमार्क फ्रेमवर्क और डेटासेट है, जो यह प्रकट करता है कि फाइन-ट्यून किए गए छोटे ओपन-सोर्स मॉडल फ्रंटियर मॉडलों से बेहतर प्रदर्शन कर सकते हैं और रोगी के इतिहास में वृद्धि हमेशा नैदानिक सटीकता में सुधार नहीं करती है।
यह शोध पत्र एक लार्ज लैंग्वेज मॉडल-आधारित प्रणाली प्रस्तुत करता है जो प्राकृतिक भाषा प्रॉम्प्ट को गतिशील इक्वलाइज़ेशन सेटिंग्स में परिवर्तित करती है, जो विविध श्रोता प्राथमिकताओं और संदर्भों के अनुकूल होने के लिए इन-कॉन्टेक्स्ट लर्निंग और श्रवण प्रयोग डेटा पर फाइन-ट्यूनिंग का लाभ उठाते हुए सांख्यिकीय रूप से स्टेटिक बेसलाइन से बेहतर प्रदर्शन करती है।
यह शोध पत्र ThinkSafe का प्रस्ताव करता है, जो एक स्व-जनित सुरक्षा संरेखण (सेल्फ-जनरेटेड सेफ्टी अलाइनमेंट) ढांचा है जो मॉडल के अपने सुरक्षा-फ़िल्टर्ड वितरण को KL-इष्टतम लक्ष्य के रूप में उपयोग करके बाहरी शिक्षकों की आवश्यकता को समाप्त करता है, जिससे सुरक्षा को बहाल करने और तर्क क्षमताओं को संरक्षित करने के साथ-साथ गणना लागत में भी काफी कमी आती है।
यह शोध पत्र KEPO का प्रस्ताव करता है, जो एक ज्ञान-संवर्धित प्राथमिकता अनुकूलन ढांचा (knowledge-enhanced preference optimization framework) है, जो मानक सुदृढीकरण शिक्षण (reinforcement learning) में निहित प्रशिक्षण अस्थिरता और अन्वेषण विफलताओं को दूर करने के लिए गुणवत्ता-गेटेड ऑन-पॉलिसी डिस्टिलेशन (quality-gated on-policy distillation) को ज्ञान-निर्देशित अन्वेषण (knowledge-guided exploration) के साथ जोड़कर मेडिकल VQA में मल्टीमॉडल तर्क में सुधार करता है।
यह शोध पत्र SPOT को प्रस्तुत करता है, जो एक इन्फरेंस-टाइम फ्रेमवर्क है जो डिफ्यूजन मॉडल को पुनरप्रशिक्षित किए बिना, एक LLM और एक सुरक्षात्मक VLM का उपयोग करके असुरक्षित प्रॉम्प्ट्स को चुनिष्ट रूप से एक "टाऊ सेफ सेट" (tau safe set) की ओर प्रोजेक्ट करता है ताकि सौहार्दपूर्ण प्रॉम्प्ट्स के व्यवहार को संरक्षित करते हुए अनुचित इमेज जनरेशन को काफी कम किया जा सके।
यह शोध पत्र xMemory प्रस्तुत करता है, जो एक नवीन एजेंट मेमोरी फ्रेमवर्क है जो इंटरेक्शन इतिहास को पुन: प्रयोज्य घटकों में अलग करके और उन्हें पदानुक्रमित रूप से एकत्रित करके मानक RAG में सुधार करता है ताकि शीर्ष-डाउन रिट्रीवल (top-down retrieval) सक्षम हो सके, जो महत्वपूर्ण विवरणों को संरक्षित करते हुए रेडंडेंसी को कम करता है, जिससे उत्तर की गुणवत्ता और इन्फरेंस दक्षता बढ़ती है।