25010 पेपर
यह शोध पत्र प्रीट्रेनड डीप लर्निंग मॉडल्स के वेट्स (weights) के क्वांटाइजेशन स्टेट्स को फाइन-ट्यून करने के लिए एक इवोल्यूशनरी ऑप्टिमाइज़ेशन रणनीति प्रस्तावित करता है, जो यह प्रदर्शित करता है कि मानों (values) को मानक नियरएस्ट-नेबर राउंडिंग से दूर ले जाने से रिसोर्स-कंस्ट्रेंड एप्लिकेशन्स के लिए VGG, ResNet और ऑटोएनकोडर्स जैसे क्वांटाइज्ड आर्किटेक्चर की सटीकता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक टोपोलॉजी-ड्रिवन मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग (TD-MARL) फ्रेमवर्क प्रस्तावित करता है जो अत्यधिक प्रतिबंधित वातावरण के भीतर सॉफ्ट रोबोट्स को उलझने से बचाने के लिए टोपोलॉजिकल इनवेरियंट्स के साथ सेंट्रलाइज्ड लर्निंग को प्रभावी ढंग से जोड़ता है, जो मौजूदा डीप रीइन्फोर्समेंट लर्निंग विधियों की तुलना में बेहतर कन्वर्जेंस और एंटी-वाइंडिंग प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र डायरेक्ट कॉर्पस इंटरैक्शन (DCI) का प्रस्ताव करता है, जो एक ऐसा रिट्रीवल प्रतिमान (retrieval paradigm) है जहाँ एजेंट निश्चित अर्थ संबंधी इंटरफेस (semantic interfaces) को दरकिनार कर सामान्य प्रयोजन वाले उपकरणों (general-purpose tools) का उपयोग करके सीधे कच्चे कॉर्पस (raw corpora) के साथ संवाद करते हैं, और यह प्रदर्शित करता है कि यह दृष्टिकोण ऑफलाइन इंडेक्सिंग की आवश्यकता के बिना लचीले, बहु-चरणीय साक्ष्य अन्वेषण (multi-step evidence exploration) को सक्षम करके जटिल एजेंटिक खोज कार्यों पर पारंपरिक लेक्सिकल और सिमेंटिक रिट्रीवर्स की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र विश्वसनीय रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) के लिए एक नवीन दो-चरणीय दृष्टिकोण प्रस्तावित करता है जो उच्च-गुणवत्ता वाले रिट्रीव्ड कॉन्टेक्स्ट को फ़िल्टर करने के लिए कॉन्फॉर्मल प्रेडिक्शन और उत्तर की निष्ठा (faithfulness) को मापने के लिए एक अटेंशन-आधारित क्लासिफायर को जोड़ता है, जिससे बेहतर उत्तर गुणवत्ता और निरंतरता का पता लगाने के साथ प्रमाणित RAG सिस्टम स्थापित होता है।
यह शोध पत्र "Hesitator" का प्रस्ताव करता है, जो एक सिद्धांत-आधारित उपयोगकर्ता सिमुलेशन ढांचा है जो विकल्प के अतिभार (choice overload) के तहत मानव निर्णय लेने की प्रक्रिया को आइटम चयन और प्रतिबद्धता निर्णयों को अलग करके स्पष्ट रूप से मॉडल करता है, जिससे मौजूदा LLM-आधारित संवादात्मक अनुशंसा प्रणाली मूल्यांकनकर्ताओं में पाए जाने वाले अवास्तविक उच्च स्वीकृति दरों और हिचकिचाहट की कमी को सुधारा जा सके।
यह शोध पत्र InfoTree को प्रस्तुत करता है, जो टूल-यूज़ एजेंटिक सुदृढीकरण शिक्षण (reinforcement learning) के लिए एक ट्रेनिंग-टाइम ट्री-सर्च फ्रेमवर्क है, जो रोलआउट सूचनात्मकता (rollout informativeness) को एक सबमॉड्यूलर मैक्सिमाइजेशन समस्या के रूप में औपचारिक रूप देता है ताकि एक अनिश्चितता-जागरूक चयन रणनीति (UUCB) और एक अनुकूली बजट आवंटक (adaptive budget allocator) प्राप्त किया जा सके, जिससे विविध रीजनिंग और टूल-यूज़ बेंचमार्क पर मजबूती और दक्षता बनाए रखते हुए मौजूदा विधियों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र 114 अध्ययनों की एक व्यवस्थित समीक्षा प्रस्तुत करता है ताकि एलएलएम (LLMs) में दोषपूर्ण कोड जनरेशन से जुड़े प्रशिक्षण डेटा गुणवत्ता संबंधी मुद्दों के लिए एक एकीकृत वर्गीकरण और कारण ढांचा स्थापित किया जा सके, साथ ही शमन तकनीकों को संश्लेषित किया जा सके और विश्वसनीय कोड मॉडल के लिए सक्रिय, डेटा-केंद्रित शासन की ओर एक प्रतिमान बदलाव की रूपरेखा तैयार की जा सके।
यह शोध पत्र ओपन-सोर्स OGX फ्रेमवर्क के भीतर एक सर्वर-साइड, लेयर्ड आइसोलेशन आर्किटेक्चर प्रस्तावित और मान्य करके मल्टीटेनेंट एंटरप्राइज एआई सिस्टम में उस महत्वपूर्ण सुरक्षा अंतराल को संबोधित करता है जहाँ रिट्रीवल रिलेवेंस (प्राप्ति प्रासंगिकता) ऑथोराइजेशन (प्राधिकरण) पर हावी हो जाती है, जो क्रॉस-टेनेंट डेटा लीकेज को रोकने के लिए पॉलिसी-अवेयर इनजेशन और रिट्रीवल गेटिंग को लागू करता है और इसमें प्रदर्शन का नगण्य ओवरहेड होता है।
यह शोध पत्र एनोटेटर पॉलिसी मॉडल्स (APMs) को प्रस्तुत करता है, जो एक व्याख्यात्मक ढांचा है जो परिचालन विफलताओं, नीतिगत अस्पष्टता और मूल्य बहुलवाद के बीच अंतर करने के लिए उनके लेबलिंग व्यवहार से सीधे एनोटेटर्स की आंतरिक सुरक्षा नीतियों का अनुमान लगाता है, जिससे अतिरिक्त एनोटेशन बोझ के बिना अधिक लक्षित और समावेशी सुरक्षा नीति डिजाइन सक्षम होती है।
यह हस्तक्षेप अध्ययन प्रदर्शित करता है कि छात्र एआई-जनित सामग्री के विरुद्ध प्रति-तर्क लिखकर प्रभावी ढंग से आलोचनात्मक सोच का उपयोग करते हैं और यह पुष्टि करता है कि फ्रंटियर लार्ज लैंग्वेज मॉडल्स, स्पष्ट रूब्रिक्स द्वारा निर्देशित होने पर, मानव मूल्यांकनों के साथ मध्यम संरेखण के साथ, बड़े पैमाने पर ऐसे लिखित कार्य का विश्वसनीय रूप से मूल्यांकन कर सकते हैं।