25186 पेपर
यह शोध पत्र गेटेड सबस्पेस इन्फरेंस (Gated Subspace Inference) को प्रस्तुत करता है, जो एक रिट्रेनिंग-मुक्त विधि है जो एक्टिवेशन्स को लो-रैंक सबस्पेस और रेजिडुअल घटकों में एडेप्टिव गेटिंग के साथ विघटित करके ट्रांसफॉर्मर इन्फरेंस को त्वरित करती है, जिससे आउटपुट गुणवत्ता और विशिष्ट मॉडलों पर सटीक कैरेक्टर-लेवल सटीकता को बनाए रखते हुए लीनियर लेयर्स पर महत्वपूर्ण गति प्राप्त होती है।
यह शोध पत्र एक कैस्केड टोकन चयन तंत्र (cascade token selection mechanism) प्रस्तुत करता है जो परतों के माध्यम से प्रतिनिधि टोकनों को विरासत में देकर और उन्हें वृद्धिशील रूप से अपडेट करके ट्रांसफॉर्मर अटेंशन को त्वरित करता है, जिससे उच्च सूचना प्रतिधारण (information retention) बनाए रखते हुए चयन जटिलता को से घटाकर कर दिया जाता है।
ARISE एक रिपॉजिटरी-स्तरीय फ्रेमवर्क है जो इंट्रा-प्रोसीजरल डेटा-फ्लो एडजेस (intra-procedural data-flow edges) के साथ एक मल्टी-ग्रैनुलैरिटी प्रोग्राम ग्राफ और एक क्वेरेबल स्लाइसिंग API पेश करके फॉल्ट लोकलाइजेशन और प्रोग्राम रिपेयर के लिए LLM-आधारित एजेंटों को उन्नत करता है, जिससे SWE-bench Lite बेंचमार्क पर लोकलाइजेशन सटीकता और रिपेयर सफलता दर में महत्वपूर्ण सुधार होता है।
Piiguard एक वेबपेज-स्तरीय रक्षा तंत्र है जो अनुकूलित छिपे हुए HTML अंशों का उपयोग करता है ताकि LLMs को संपर्क संबंधी PII (व्यक्तिगत पहचान योग्य सूचना) का खुलासा करने से दूर रखा जा सके, जिससे सौहार्दपूर्ण प्रश्नों के लिए उपयोगिता बनाए रखते हुए डेटा रिसाव को रोकने में उच्च सफलता दर प्राप्त की जा सके।
यह शोध पत्र टीम संवादों में मानसिक मॉडल विसंगतियों के चार प्रकारों को वर्गीकृत करने के लिए एक रूपरेखा प्रस्तावित करता है और यह प्रदर्शित करता है कि इन विसंगति पैटर्न का विश्लेषण भविष्य के मिसअलाइनमेंट (misalignments) की भविष्यवाणी कर सकता है, जो पारंपरिक पूर्वव्यापी मूल्यांकन विधियों के विकल्प के रूप में वास्तविक समय का विकल्प प्रदान करता है।
यह शोध पत्र एक नवीन एल्गोरिदम प्रस्तुत करता है जो केवल 2-10 निष्पादन ट्रेसेस (execution traces) से सामान्यीकृत ग्राउंड ट्रुथ मॉडल सीखकर स्वायत्त एजेंटों के अनुक्रमिक व्यवहार को मान्य करता है, जो डोमिनेटर विश्लेषण और मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स का लाभ उठाकर विविध डोमेन में बग डिटेक्शन और व्याख्या योग्य सत्यापन में उच्च सटीकता प्राप्त करता है।
यह शोध पत्र तर्क देता है कि जैसे-जैसे एआई मानकीकृत संज्ञानात्मक कार्यों को कमोडिटाइज करता है और एक "बारबेल" अर्थव्यवस्था का निर्माण करता है, मानव-उत्पत्ति सत्यापन (human-provenance verification) को आवश्यक श्रम बुनियादी ढांचे के रूप में स्थापित किया जाना चाहिए ताकि उस कार्य के उभरते बाजार प्रीमियम का समर्थन किया जा सके जहाँ मानवीय उपस्थिति गौण होने के बजाय अभिन्न है।
यह सर्वेक्षण इस बात का परीक्षण करता है कि कैसे कॉन्फिडेंशियल कंप्यूटिंग, विशेष रूप से ट्रस्टेड एक्जीक्यूशन एनवायरनमेंट के माध्यम से, हार्डवेयर प्लेटफॉर्म के एक एकीकृत वर्गीकरण, एक एजेंट-केंद्रित थ्रेट मॉडल और सुरक्षात्मक उपायों के तुलनात्मक विश्लेषण प्रदान करते हुए, एजेंटिक एआई सिस्टम द्वारा सामना किए जाने वाले अद्वितीय सुरक्षा खतरों का समाधान करती है, साथ ही एक सुसंगत एंड-टू-एंड सुरक्षा ढांचे की आवश्यकता पर भी प्रकाश डालती है।
यह शोध पत्र \texttt{MenuNet} का प्रस्ताव करता है, जो एक स्ट्रैटेजी-प्रूफ मैकेनिज्म डिज़ाइन फ्रेमवर्क है जो व्यक्तिगत संभाव्य मेनू (personalized probabilistic menus) उत्पन्न करने के लिए न्यूरल नेटवर्क का उपयोग करता है, जो उन जटिल मिलान बाजारों (matching markets) में स्थिरता सिद्धांतों (निष्पक्षता और गैर-अपव्ययता) और वितरण संबंधी बाधाओं के बीच के संतुलन को प्रभावी ढंग से प्रबंधित करता है जहाँ पारंपरिक स्थिर मिलान अक्सर अस्तित्व में नहीं रह पाते हैं।
यह शोध पत्र MAGE को प्रस्तुत करता है, जो एक नवीन रक्षात्मक ढांचा (defensive framework) है जो सुरक्षा-महत्वपूर्ण संदर्भ (safety-critical context) को सक्रिय रूप से संकुचित करने और LLM एजेंटों में दीर्घकालिक खतरों (long-horizon threats) का पता लगाने के लिए एक समर्पित "शैडो मेमोरी" (shadow memory) का लाभ उठाता है, जिससे नगण्य ओवरहेड के साथ उच्च पहचान सटीकता प्राप्त होती है।