25253 पेपर
यह शोध पत्र PDQUBO को प्रस्तुत करता है, जो अनुशंसा प्रणालियों (recommender systems) के लिए एक मॉडल-अज्ञेय (model-agnostic), प्रदर्शन-संचालित QUBO फीचर चयन विधि है जो क्वांटम एनीलिंग उद्देश्यों को अनुशंसा गुणवत्ता के साथ संरेखित करने के लिए काउंटरफैक्चुअल विश्लेषण का लाभ उठाती है, और वास्तविक दुनिया के डेटासेट पर पूर्व क्वांटम और शास्त्रीय बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करती है।
यह शोध पत्र VIPaint का प्रस्ताव करता है, जो एक पदानुक्रमित वेरिएशनल इन्फरेंस एल्गोरिदम है जो वास्तविक डिफ्यूजन पोस्टीरियर के गैर-गौसियन मार्कोव सन्निकटन को अनुकूलित करके पूर्व-प्रशिक्षित लेटेंट डिफ्यूजन मॉडल्स पर उच्च-गुणवत्तापूर्ण, विविध इमेज इनपेंटिंग और अन्य व्युत्क्रम समस्याओं को सक्षम बनाता है।
यह रिपोर्ट OpenAI के o1 और o1-mini मॉडलों के लिए सुरक्षा मूल्यांकनों, रेड टीमिंग और तैयारी ढांचे (Preparedness Framework) के आकलन का विवरण देती है, जो जेलब्रेक का प्रतिरोध करने और असुरक्षित सामग्री उत्पन्न करने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए बड़े पैमाने पर सुदृढीकरण शिक्षण (reinforcement learning) और चेन-ऑफ-थॉट रीजनिंग का लाभ उठाते हैं, साथ ही बढ़ी हुई बुद्धिमत्ता से जुड़े जोखिमों को प्रबंधित करने के लिए मजबूत संरेखण (alignment) विधियों की आवश्यकता को भी रेखांकित करते हैं।
यह शोध पत्र "इमिटेशन गेम" (Imitation Game) नामक एक एकीकृत रक्षा ढांचे का प्रस्ताव करता है, जो इनपुट को उनकी मूल अवस्था में वापस करने के बजाय उनके अर्थ संबंधी सार को पुनर्गठित करके निगमनात्मक (deductive) और आगमनात्मक (inductive) दोनों प्रकार के प्रतिकूल भ्रमों (adversarial illusions) को बेअसर करने के लिए एक चेन-ऑफ-थॉट-संचालित मल्टीमॉडल जनरेटिव एजेंट का उपयोग करता है।
यह शोध पत्र डायरेक्शनल बायस एम्प्लीफिकेशन इन कैप्शनिंग (DBAC) प्रस्तुत करता है, जो एक नवीन भाषा-जागरूक मीट्रिक है जो मौजूदा पद्धतियों की सीमाओं को पार करते हुए इमेज कैप्शनिंग मॉडलों में, विशेष रूप से लिंग और नस्ल संबंधी गुणों के संबंध में, पक्षपात प्रवर्धन (बायस एम्प्लीफिकेशन) के स्रोतों को सटीक रूप से मापने और पहचानने में सक्षम है।
यह शोध पत्र सहयोगी मल्टी-एजेंट सिस्टम द्वारा जनरेट की गई सामग्री के मूल स्रोत (प्रोवेनेंस) को ट्रैक करने और उसका लेखा-जोखा रखने के लिए "सिंबोलिक क्रॉनिकल्स" का उपयोग करते हुए एक पोस्ट हॉक एट्रिब्यूशन सिस्टम प्रस्तावित करता है, जो आंतरिक मेमोरी या बाहरी मेटाडेटा पर निर्भर किए बिना, सिंथेटिक सामग्री में सीधे हस्ताक्षरित, टाइम-स्टैम्प किए गए रिकॉर्ड को एम्बेड करके जवाबदेही को सक्षम बनाता है।
यह शोध पत्र ESTBook को प्रस्तुत करता है, जो 10,000 से अधिक अंग्रेजी मानकीकृत परीक्षण प्रश्नों का एक मल्टीमॉडल बेंचमार्क है जिसे संज्ञानात्मक स्कैफोल्डिंग (cognitive scaffolding) और विचलित करने वाले विकल्पों के तर्क (distractor rationales) के साथ समृद्ध किया गया है, ताकि LLM मूल्यांकन को सरल सटीकता से बदलकर मानवीय गलतफहमियों के निदान और शैक्षणिक तर्क में सुधार की ओर ले जाया जा सके।
यह शोध पत्र FinChain को प्रस्तुत करता है, जो मशीन-निष्पादन योग्य प्रतीकात्मक टेम्पलेट्स और CHAINEVAL मेट्रिक वाली सत्यापन योग्य चेन-ऑफ-थॉट (Chain-of-Thought) वित्तीय तर्क प्रक्रिया के लिए पहला बेंचमार्क है, जो वर्तमान LLMs की बहु-चरणीय वित्तीय विश्लेषण क्षमताओं में महत्वपूर्ण सीमाओं को प्रकट करता है और साथ ही डोमेन-अनुकूलित मॉडलों की क्षमता को भी उजागर करता है।
यह शोध पत्र VISE को प्रस्तुत करता है, जो वीडियो-LLMs में चाटुकारिता (sycophancy) का मूल्यांकन करने के लिए पहला बेंचमार्क है, जो दृश्य साक्ष्य के बजाय भ्रामक उपयोगकर्ता इनपुट के साथ संरेखित होने की उनकी प्रवृत्ति का विश्लेषण करता है, और बेहतर विजुअल ग्राउंडिंग और इन्फरेंस-टाइम हस्तक्षेप के माध्यम से इस पूर्वाग्रह को कम करने के लिए दो प्रशिक्षण-मुक्त रणनीतियों का प्रस्ताव करता है।
यह शोध पत्र ORFS-agent को प्रस्तुत करता है, जो एक मॉड्यूलर, मॉडल-अज्ञेय (model-agnostic) LLM-आधारित पुनरावृत्ति अनुकूलन एजेंट है, जो कम पुनरावृत्तियों के साथ बेहतर प्रदर्शन मेट्रिक्स प्राप्त करके और प्राकृतिक भाषा उद्देश्यों के माध्यम से लचीले, व्याख्या योग्य बहु-उद्देश्यीय ट्यूनिंग को सक्षम करके ओपन-सोर्स चिप डिज़ाइन फ्लो में मानक बायेसियन ऑप्टिमाइज़ेशन से बेहतर प्रदर्शन करता है।