25354 पेपर
यह शोध पत्र प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) के एक सैंपल-एफिशिएंट न्यूरो-सिंबोलिक विस्तार का प्रस्ताव करता है जो जटिल, स्पार्स-रिवॉर्ड वातावरण में सीखने के मार्गदर्शन के लिए आंशिक तार्किक पॉलिसी विनिर्देशों (logical policy specifications) का लाभ उठाता है, और दो विशिष्ट एकीकरण रणनीतियों के माध्यम से मानक PPO और रिवॉर्ड मशीन बेसलाइनों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक मेडॉइड प्रोटोटाइप अलाइनमेंट फ्रेमवर्क प्रस्तावित करता है जो विषम औद्योगिक नियंत्रण प्रणाली ट्रैफ़िक को तुलनीय निरूपणों में संकुचित करता है और क्रॉस-प्लांट परिदृश्यों में अज्ञात हमलों का प्रभावी ढंग से पता लगाने के लिए विभिन्न डोमेनों में सुदृढ़ मेडॉइड प्रोटोटाइप्स को संरेखित करता है, जिससे मौजूदा मॉडलों की तुलना में बेहतर प्रदर्शन और स्थिरता प्राप्त होती है।
मार्को-MoE एक पूर्णतः खुला, अत्यधिक स्पार्स बहुभाषी मिक्चर-ऑफ-एक्सपर्ट्स मॉडल सुइट है जो डेंसर प्रतिस्पर्धियों की तुलना में अत्याधुनिक प्रदर्शन-से-कंप्यूट अनुपात और विभिन्न भाषाओं में बेहतर स्केलेबिलिटी प्राप्त करने के लिए कुशल अपसाइक्लिंग का लाभ उठाता है।
DualFact+ एक नवीन द्वि-स्तरीय, बहुविध ढांचे (dual-layer, multimodal framework) को पेश करता है जो प्रक्रियात्मक वीडियो तथ्यों को वैचारिक और प्रासंगिक घटकों में अलग करता है ताकि वीडियो कैप्शनिंग का अधिक व्याख्या योग्य और मानव-संरेखित मूल्यांकन प्रदान किया जा सके, जिससे यह प्रकट होता है कि अत्याधुनिक मॉडल अक्सर व्यवस्थित तथ्यात्मक चूकों और विसंगतियों से ग्रस्त होते हैं जिन्हें मानक मेट्रिक्स पकड़ने में विफल रहते हैं।
यह शोध पत्र हाइब्रिड वर्कस्पेस में लार्ज लैंग्वेज मॉडल्स को एकीकृत करने के लिए एक ढांचे का प्रस्ताव करता है ताकि भावनात्मक और व्यवहार संबंधी संकेतों के आधार पर भौतिक और डिजिटल वातावरण को गतिशील रूप से समायोजित किया जा सके, जिससे गोपनीयता और एजेंसी संबंधी महत्वपूर्ण नैतिक चिंताओं को संबोधित करते हुए उपयोगकर्ता के कल्याण और जुड़ाव को बढ़ाया जा सके।
यह शोध पत्र HotComment को प्रस्तुत करता है, जो एक मल्टीमॉडल बेंचमार्क है जो सामग्री की गुणवत्ता, लोकप्रियता भविष्यवाणी और उपयोगकर्ता व्यवहार सिमुलेशन को एकीकृत करके ऑनलाइन कमेंट की लोकप्रियता का मूल्यांकन करता है, साथ ही सामाजिक रूप से अनुनादपूर्ण शैलीगत संरेखण (स्टाइलिश अलाइनमेंट) को मॉडल करने के लिए प्रस्तावित StyleCmt फ्रेमवर्क को भी शामिल करता है।
यह प्रयोगात्मक अध्ययन प्रदर्शित करता है कि बड़े भाषा मॉडल (LLMs) को हाशिए के वैज्ञानिक साहित्य द्वारा आसानी से हेरफेर किया जा सकता है ताकि वे वैज्ञानिक सर्वसम्मति का खंडन करने वाले सुव्यवस्थित, सम्मोहक और भ्रामक उत्तर उत्पन्न कर सकें, जिससे सार्वजनिक वैज्ञानिक समझ के लिए महत्वपूर्ण जोखिम और विशेषज्ञों के निर्णय का स्थान लेने में LLMs की अक्षमता उजागर होती है।
यह शोध पत्र प्रिफिल-टाइम इंटरवेंशन (PTI) का प्रस्ताव करता है, जो एक नवीन मोडैलिटी-अवेयर स्टीयरिंग प्रतिमान है जो प्रिफिल चरण के दौरान निरूपणों (representations) को सुधारकर और त्रुटि संचय को रोकने के लिए लार्ज विजन-लैंग्वेज मॉडल्स में मतिभ्रम (hallucinations) को कम करता है, जो मौजूदा डिकोडिंग-चरण विधियों से बेहतर प्रदर्शन करने वाला एक प्लग-एंड-प्ले समाधान प्रदान करता है।
यह शोध पत्र LLM-ReSum को प्रस्तुत करता है, जो एक स्व-चिंतनशील (self-reflective) सारांशीकरण ढांचा है जो मॉडल फाइनट्यूनिंग के बिना तथ्यात्मक सटीकता और कवरेज को महत्वपूर्ण रूप से सुधारने के लिए LLM-आधारित जनरेशन और मूल्यांकन के बीच एक क्लोज्ड फीडबैक लूप का लाभ उठाता है, जिसे मौजूदा मेट्रिक्स के व्यापक मेटा-मूल्यांकन और एक नए कानूनी दस्तावेज़ बेंचमार्क द्वारा समर्थित किया गया है।
यह शोध पत्र एक न्यूरोकॉग्निटिव गवर्नेंस फ्रेमवर्क प्रस्तावित करता है जो एक 'प्री-एक्शन गवर्नेंस रीजनिंग लूप' के माध्यम से स्वायत्त एआई एजेंटों में मानव-समान "कार्य करने से पहले सोचें" वाली विचार-विमर्श प्रक्रिया को समाहित करता है, जिससे वे चार-स्तरीय नियम पदानुक्रम के विरुद्ध कार्यों का आंतरिक मूल्यांकन करने और बाहरी बाधाओं पर निर्भर रहे बिना उच्च अनुपालन प्राप्त करने में सक्षम होते हैं।