25186 पेपर
यह शोधपत्र स्थापित करता है कि ज़ीरो-टेम्परेचर लिमिट में सॉफ्टमैक्स-रूटेड मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल्स का सिंगुलर व्यवहार रूटिंग इंटरफेस के पास स्थित "बाउंड्री मास" द्वारा नियंत्रित होता है, जो मात्रात्मक जोखिम सीमाएँ (क्वांटिटेटिव रिस्क बाउंड्स), -कन्वर्जेंस परिणाम, और टीचर-स्टूडेंट सेटिंग्स में लैंडस्केप ट्रांसफर और सिमेट्री ब्रेकिंग के अंतर्दृष्टि प्रदान करता है।
यह शोध पत्र डीप रिइन्फोर्समेंट लर्निंग में प्रीट्रेंड मॉडल्स के पुन: उपयोग पर 15 अनुभवजन्य अध्ययनों की एक PRISMA-निर्देशित व्यवस्थित समीक्षा प्रस्तुत करता है, जो यह प्रकट करता है कि ट्रांसफर की सफलता काफी हद तक कार्य समानता और संरेखण तंत्रों पर निर्भर करती है, जबकि वर्तमान साहित्य में निष्पक्ष, कंप्यूट-मैच्ड तुलनाओं की गंभीर कमी को भी उजागर करती है।
यह शोध पत्र "प्लैनर मैटर्स" (Planner Matters) का प्रस्ताव करता है, जो एक कुशल मल्टी-एजेंट फ्रेमवर्क है जो व्यवस्थित विश्लेषण और सुदृढीकरण शिक्षण (reinforcement learning) के माध्यम से यह प्रदर्शित करता है कि मॉडल की क्षमता और अनुकूलन को एक उच्च-स्तरीय प्लैनर पर केंद्रित करना—जबकि निष्पादन (execution) और मेमोरी घटकों को फ्रीज कर दिया जाता है—वेब नेविगेशन, ओएस कंट्रोल और टूल उपयोग के माध्यम से दीर्घकालिक कार्यों के स्वचालन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र रिले टेंपरिंग अटैक (RTA) को प्रस्तुत करता है, जो एक नवीन खतरे को प्रदर्शित करता है कि 'ब्रिंग-योर-ओन-की' (BYOK) एजेंट आर्किटेक्चर में दुर्भावनापूर्ण तृतीय-पक्ष रिले, जनरेशन के बाद प्रतिक्रियाओं के साथ छेड़छाड़ करके LLM अलाइनमेंट को बायपास कर सकते हैं, जिससे उच्च हमले की सफलता दर प्राप्त होती है जिसे मौजूदा सुरक्षा उपाय पूरी तरह से कम करने में विफल रहते हैं।
यह शोध पत्र MEMAUDIT को प्रस्तुत करता है, जो एक सटीक पैकेज-ओरेकल मूल्यांकन प्रोटोकॉल है जो मेमोरी चयन को सटीक सॉल्वर के साथ एक परिमित, ऑडिट योग्य अनुकूलन समस्या में बदलकर और इस प्रकार रिप्रजेंटेशन क्वालिटी को डाउनस्ट्रीम रिट्रीवल और रीजनिंग प्रभावों से अलग करके, स्टोरेज बजट के तहत दीर्घकालिक LLM मेमोरी राइटिंग की गुणवत्ता को अलग और प्रमाणित करता है।
यह शोध पत्र CBV का प्रस्ताव करता है, जो विजन-लैंग्वेज मॉडल्स पर एक क्लीन-लेबल बैकडोर हमला है, जो मल्टीमॉडल गाइडेंस और GradCAM-आधारित मास्किंग वाले डिफ्यूजन मॉडल्स का लाभ उठाकर प्राकृतिक, गुप्त रूप से ज़हरीले नमूने उत्पन्न करता है जिनमें ट्रिगर की गई इमेज फीचर्स शामिल होते हैं जबकि सामान्य मॉडल कार्यक्षमता को सुरक्षित रखा जाता है।
मल्टीसेंस-न्यूमो (MultiSense-Pneumo) एक मल्टीमॉडल, ऑफलाइन-सक्षम फ्रेमवर्क है जिसे संसाधन-सीमित परिवेशों के लिए डिज़ाइन किया गया है जो पारदर्शी निमोनिया स्क्रीनिंग और ट्राइएज सहायता प्रदान करने के लिए चेस्ट रेडियोग्राफ, खांसी की ध्वनि, भाषण और संरचित लक्षणों को एकीकृत करता है, हालांकि यह एक नैदानिक रूप से प्रमाणित नैदानिक उपकरण के बजाय एक अनुसंधान प्रोटोटाइप बना हुआ है।
यह शोध पत्र एक बहुभिन्न प्रचर गाऊसी मॉडल (multivariate Gaussian model) के अंतर्गत एक उप-मॉड्यूलर मैक्सिमाज़ेशन समस्या के रूप में बड़े भाषा मॉडलों (large language models) के मूल्यांकन के लिए सह-संबद्ध बेंचमार्क के एक छोटे, सूचनात्मक उपसमूह के चयन को औपचारिक रूप देता है, और यह प्रदर्शित करता है कि एक ग्रीडी म्यूचुअल इंफॉर्मेशन दृष्टिकोण छोटे उपसमूह आकारों पर इम्प्यूटेशन (imputation) के लिए एंट्रॉपी-आधारित विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र न्यूरल नेटवर्क में कॉज़ल एब्स्ट्रैक्शन (causal abstraction) के लिए एक नैदानिक पद्धति प्रस्तुत करता है जो इंटरचेंज इंटरवेंशन (interchange interventions) के आधार पर इनपुट स्पेस को सुस्पष्ट (well-interpreted) और अस्पष्ट (under-interpreted) क्षेत्रों में विभाजित करती है, जिससे शोधकर्ताओं को यह सटीक रूप से पहचानने में मदद मिलती है कि व्याख्या कहाँ विफल हो रही है और उच्च-स्तरीय कॉज़ल परिकल्पनाओं को परिष्कृत और बेहतर बनाने के लिए व्यावहारिक ह्यूरिस्टिक्स (heuristics) प्रदान करती है।
यह शोध पत्र यह प्रदर्शित करता है कि ज़ीरो-शॉट कॉन्फिडेंस सिग्नल, विशेष रूप से औसत टोकन लॉग-प्रोबेबिलिटी और एक नवीन रिट्रीवल-कंडीशनल सेल्फ-असेसमेंट विधि, लागत प्रभावी क्वेरी रूटिंग के लिए छोटे भाषा मॉडलों की शुद्धता का अनुमान लगाने में बिना किसी प्रशिक्षण डेटा के भी, सुपरवाइज्ड बेसलाइन्स से बेहतर प्रदर्शन करते हैं।