25254 पेपर
यह शोध पत्र जनरेट किए गए टेक्स्ट से प्रॉम्प्ट-निर्दिष्ट भूमिकाओं का अनुमान लगाकर मानव-मशीन सहजीवन के भीतर एआई की अंतर्निहित कार्यात्मक भूमिका (जैसे सहायक संपादन या रचनात्मक सृजन) का पता लगाने और उसे पुनः प्राप्त करने के लिए एक कार्यप्रणाली प्रस्तावित करता है, जिससे एआई भागीदारी की पारदर्शिता और निष्पक्षता के नैतिक अनुसंधान में सहायता मिलती है।
यह परिप्रेक्ष्य पत्र तर्क देता है कि जैसे-जैसे लार्ज लैंग्वेज मॉडल्स (LLMs) द्वारा पुनर्प्राप्त सूचनाओं का उपभोग बढ़ता जा रहा है, सूचना पुनर्प्राप्ति (इन्फॉर्मेशन रिट्रीवल) में प्राथमिक बाधा 'डिनोइजिंग-फर्स्ट' (डेटा से शोर हटाने पर केंद्रित) दृष्टिकोण के माध्यम से साक्ष्य घनत्व (एविडेंस डेंसिटी) और सत्यापन क्षमता को अधिकतम करने की ओर स्थानांतरित हो जाती है, जिसे एक चार-चरणीय चुनौती ढांचे और रिट्रीवल पाइपलाइन में सिग्नल-टू-नॉइज़ अनुकूलन तकनीकों के एक व्यापक वर्गीकरण के माध्यम से संबोधित किया गया है।
यह शोध पत्र उपभोक्ता-ग्रेड LLM इन्फरेंस के लिए एनवीडिया ब्लैकवेल (Nvidia Blackwell) और एप्पल सिलिकॉन (Apple Silicon) की तुलना करते हुए एक व्यवस्थित अनुभवजन्य विश्लेषण प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ एनवीडिया उन्नत क्वांटाइजेशन के माध्यम से जटिल रनटाइम बाधाओं और VRAM सीमाओं की कीमत पर बेहतर थ्रूपुट प्रदान करता है, वहीं एप्पल का यूनिफाइड मेमोरी आर्किटेक्चर (Unified Memory Architecture) काफी बेहतर ऊर्जा दक्षता और स्केलेबिलिटी के साथ विशाल मॉडलों के कुशल निष्पादन को सक्षम बनाता है।
SAGA एक वितरित शेड्यूलर है जो रिक्वेस्ट-लेवल से प्रोग्राम-लेवल शेड्यूलिंग पर स्विच करके GPU क्लस्टर्स पर कंपाउंड AI एजेंट वर्कफ़्लो की दक्षता में सुधार करता है, जो इंटरमीडिएट KV कैश स्टेट्स को सुरक्षित रखता है और पीक थ्रूपुट में ट्रेड-ऑफ के बावजूद टास्क कंप्लीशन टाइम को 1.64x कम करता है।
यह शोध पत्र -RAG को प्रस्तुत करता है, जो एक नवीन ट्री-आधारित रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है, जो क्रॉस-डॉक्यूमेंट मल्टी-हॉप प्रश्नों को संभालने में मौजूदा विधियों की सीमाओं को दूर करने के लिए एक एडेप्टिव पदानुक्रमित एब्स्ट्रैक्ट ट्री इंडेक्स और एक मल्टी-ग्रैनुलर रिट्रीवल एजेंट का उपयोग करता है, जिससे संबंधित बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र अनबैलेंस्डेड श्रोडिंगर ब्रिज (USB) प्रस्तुत करता है, जो एक सिम्युलेशन-मुक्त ढांचा है जो विनाशकारी स्नैपशॉट्स से सेलुलर वंश प्रक्षेपवक्र (सेलुलर लीनेज ट्रेजेक्टरीज) को पुनर्गठित करने के लिए सिंगल-सेल रिज़ॉल्यूशन पर विविक्त, जंप-जैसे जन्म-मृत्यु गतिकी को कठोरता से मॉडल करके मौजूदा निरंतर ऑप्टिमल ट्रांसपोर्ट विधियों की सीमाओं को दूर करता है।
यह अध्ययन एक सिम्युलेटर प्रयोग के माध्यम से आंशिक रूप से स्वचालित ड्राइविंग में सार्थक मानवीय नियंत्रण का मूल्यांकन करता है जो हैप्टिक साझा नियंत्रण और ट्रेडेड नियंत्रण मोड की तुलना करता है, जिससे यह पता चलता है कि कथित नियंत्रण ऑटोमेशन-ड्राइवर संघर्षों और इरादे के बेमेल होने से नकारात्मक रूप से प्रभावित होता है, जबकि सूक्ष्म, संरेखित हैप्टिक मार्गदर्शन द्वारा इसे बढ़ाया जाता है।
यह शोध पत्र SCISENSE को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो LLMs को प्रशिक्षित करने के लिए संरचित, उद्धरण-सशर्त विचार प्रक्षेपवक्रों (ideation trajectories) का लाभ उठाता है, और यह प्रदर्शित करता है कि कैसे नियंत्रित अर्थ-निर्माण (sensemaking) डाउनस्ट्रीम एजेंटों पर संज्ञानात्मक बोझ को कम करके अनुसंधान परिणामों की नवीनता और गुणवत्ता दोनों को आश्चर्यजनक रूप से बढ़ाता है।
यह अध्ययन प्रदर्शित करता है कि जबकि "AI वॉशिंगिंग" प्रदर्शन के संबंध में उपयोगकर्ता की अपेक्षाओं को काफी बढ़ा देती है, यह वस्तुनिष्ठ अंतःक्रियात्मक परिणामों या व्यक्तिपरक आकलन में किसी भी मापने योग्य सुधार को उत्पन्न करने में विफल रहती है, जैसा कि एक फिट्स लॉ (Fitts' Law) प्रयोग द्वारा प्रमाणित होता है जहाँ "AI-सहायता प्राप्त" माउस स्थितियों ने बेसलाइन के समान ही परिणाम दिए।
यह शोध पत्र प्रदर्शित करता है कि विजन-लैंग्वेज मॉडल्स को चार नवीन विजुअल मोडैलिटी हमलों के माध्यम से प्रभावी ढंग से जेलब्रेक किया जा सकता है, जो एक महत्वपूर्ण क्रॉस-मोडैलिटी अलाइनमेंट गैप को उजागर करता है जहाँ टेक्स्ट-आधारित सुरक्षा प्रशिक्षण हानिकारक विजुअल इनपुट्स पर सामान्यीकृत होने में विफल रहता है।