25186 पेपर
LLM-VA क्लोज्ड-फॉर्म वेट अपडेट्स के माध्यम से मॉडल के उत्तर और सुरक्षा मूल्यांकन वेक्टर्स को संरेखित करके, सुरक्षा-संरेखित (safety-aligned) LLMs में जेलब्रेक कमजोरियों और अत्यधिक इनकार (over-refusal) के बीच के ट्रेड-ऑफ को हल करता है, जिससे उत्तर देने की इच्छा बिना फाइन-ट्यूनिंग के सुरक्षा निर्णयों पर कारणत्मक रूप से निर्भर हो जाती है।
यह शोध पत्र एक नैदानिक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक प्रशिक्षण-मुक्त पुनरावृत्ति (iterative) RAG ढांचा, जो पुनर्प्राप्ति (retrieval) और तर्क (reasoning) को बारी-बारी से संचालित करता है, वैज्ञानिक मल्टी-हॉप QA कार्यों पर एक आदर्श स्थिर "गोल्ड कॉन्टेक्स्ट" (Gold Context) RAG की तुलना में लगातार बेहतर प्रदर्शन करता है, क्योंकि यह पूर्ण साक्ष्य उपलब्ध होने पर भी परिकल्पना विचलन (hypothesis drift) को गतिशील रूप से सुधारता है और संदर्भ अधिभार (context overload) को कम करता है।
यह शोध पत्र CoFrGeNets को प्रस्तुत करता है, जो निरंतर भिन्नों (continued fractions) से प्रेरित एक नवीन आर्किटेक्चर परिवार है जो मानक ट्रांसफॉर्मर घटकों को पैरामीटर-कुशल विकल्पों से बदल देता है, जिससे काफी कम पैरामीटर्स और कम प्री-ट्रेनिंग समय के साथ बड़े पैमाने के भाषा मॉडलों पर प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र GRACE का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सूचना बाधा (Information Bottleneck) सिद्धांत के तहत नॉलेज डिस्टिलेशन और क्वांटाइजेशन-अवेयर ट्रेनिंग को एकीकृत करता है ताकि कुशल, उच्च-प्रदर्शन वाले INT4 विजन-लैंग्वेज मॉडल सक्षम किए जा सकें जो मौजूदा क्वांटाइजेशन विधियों से काफी बेहतर प्रदर्शन करते हैं जबकि पूर्ण-प्रिसिजन शिक्षक प्रदर्शन के लगभग बराबर होते हैं।
VideoGPA एक डेटा-कुशल, स्व-पर्यवेक्षित ढांचे को पेश करता है जो फाउंडेशन मॉडल्स से ज्यामितीय पूर्वग्रहों (geometric priors) को सघन प्राथमिकता संकेतों में संकुचित करता है ताकि डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन के माध्यम से वीडियो डिफ्यूजन मॉडल्स को निर्देशित किया जा सके, जिससे मानव एनोटेशन की आवश्यकता के बिना 3D संरचनात्मक निरंतरता, टेम्पोरल स्थिरता और मोशन कोहेरेंस को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र MCP-Atlas प्रस्तुत करता है, जो 36 वास्तविक MCP सर्वरों और 220 टूल्स के माध्यम से 1,000 कार्यों वाला एक बड़े पैमाने का बेंचमार्क है, जिसे क्लेम्स-आधारित स्कोरिंग रूब्रिक का उपयोग करके वास्तविक, बहु-चरणीय वर्कफ़्लो में लार्ज लैंग्वेज मॉडल्स की टूल-उपयोग क्षमता का कड़ाई से मूल्यांकन करने के लिए डिज़ाइन किया गया है।
यह शोधपत्र MINT प्रस्तुत करता है, जो एक न्यूरो-सिंबोलिक ट्री फ्रेमवर्क है जो प्रतीकात्मक इंटरेक्शन रीजनिंग (symbolic interaction reasoning) को न्यूरल प्लानिंग अनसर्टेन्टी एस्टीमेशन (neural planning uncertainty estimation) और LLM-संचालित क्वेरी जनरेशन के साथ जोड़ता है ताकि AI एजेंट सक्रिय रूप से मानवीय इनपुट प्राप्त कर सकें, जिससे ज्ञान के अंतराल को प्रभावी ढंग से भरा जा सके और ओपन-वर्ल्ड जॉइंट प्लानिंग कार्यों में विशेषज्ञ-स्तर का प्रदर्शन प्राप्त किया जा सके।
यह योगदान इन्वेंटरीबेंच (InventoryBench) को प्रस्तुत करता है, जो एक व्यापक बेंचमार्क है यह प्रदर्शित करता है कि ऑपरेशंस-रिसर्च एल्गोरिदम, लार्ज लैंग्वेज मॉडल्स और मानव निर्णयकर्ताओं का संयोजन इन्वेंटरी नियंत्रण के लिए एक पूरक, उच्च-प्रदर्शन प्रणाली बनाता है जो अकेले कार्य करने वाली किसी भी एकल विधि से बेहतर है।
S2O एक नवीन स्पार्स-अटेंशन विधि है जो गैर-निरंतर उच्च-प्राथमिकता वाले टोकन को लोड करने के लिए एक ऑनलाइन परम्यूटेशन को कम योगदान देने वाले ब्लॉक्स को गतिशील रूप से छोड़ने के लिए एक अर्ली-स्टॉपिंग मैकेनिज्म के साथ जोड़ती है, जिससे सटीकता बनाए रखते हुए लॉन्ग-कॉन्टेक्स्ट इन्फरेंस में कंप्यूटेशनल लागत और लेटेंसी को काफी कम किया जाता है।
यह शोध पत्र एक महत्वपूर्ण "मिराज" (Mirage) घटना को प्रकट करता है जिसमें मल्टीमॉडल मॉडल विजुअल सर्किट डायग्राम को दरकिनार कर केवल टेक्स्ट आइडेंटिफायर के आधार पर कोड उत्पन्न करते हैं, और वेरीग्राउंड (VeriGround) को पेश करता है, जो कि एक 4B-पैरामीटर वाला मॉडल है जिसे गुमनामी (anonymization) और प्रेफरेंस अलाइनमेंट के साथ प्रशिक्षित किया गया है ताकि सर्किट डायग्राम से वेरिलॉग (Verilog) का विश्वसनीय और वास्तव में ग्राउंडेड रूपांतरण प्राप्त किया जा सके।