25416 पेपर
FeatEHR-LLM एक गोपनीयता-संरक्षण फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल्स और टूल-ऑगमेंटेड जनरेशन का उपयोग करके अनियमित रूप से नमूना लिए गए और विरल इलेक्ट्रॉनिक हेल्थ रिकॉर्ड (EHR) टाइम सीरीज़ से स्वचालित रूप से नैदानिक रूप से सार्थक, निष्पादन योग्य फीचर-एक्सट्रैक्शन कोड उत्पन्न करता है।
यह शोध पत्र एक दक्षता-संरेखित ढांचे को प्रस्तुत करता है जो 'डाइवर्सिटी ड्रिवन पॉलिसी ऑप्टिमाइज़ेशन' (DDPO) नामक एक नए एल्गोरिदम का उपयोग करता है ताकि LLM-जनित मौखिक संवादों को K-12 गैर-नेटिव अंग्रेजी शिक्षार्थियों की विशिष्ट शाब्दिक जटिलता और शैक्षणिक आवश्यकताओं के अनुरूप बनाया जा सके।
यह शोध पत्र QDTraj को प्रस्तुत करता है, जो एक ऐसी विधि है जो क्वालिटी-डाइवर्सिटी एल्गोरिदम और स्पार्स रिवॉर्ड एक्सप्लोरेशन का उपयोग करके उच्च-प्रदर्शन वाले लो-लेवल ट्राजेक्टरी प्रिमिटिव्स के एक अत्यधिक विविध सेट को स्वचालित रूप से उत्पन्न करती है, जिससे रोबोटों को ओपन-एंडेड वातावरण में विभिन्न प्रकार की आर्टिकुलेटेड वस्तुओं को अधिक प्रभावी ढंग से मैनिपुलेट करने में सक्षम बनाया जा सके।
HighLight एक ऐसा फ्रेमवर्क है जो एक हल्के "एम्फैसिस एक्टर" (Emphasis Actor) को सुदृढीकरण शिक्षण (reinforcement learning) के माध्यम से लंबे, शोर वाले संदर्भों के भीतर मुख्य साक्ष्यों के चारों ओर न्यूनतम हाइलाइट टैग डालने के लिए प्रशिक्षित करके फ्रोजन LLMs की तर्क क्षमता में सुधार करता है, जिसमें साक्ष्य लेबल की आवश्यकता नहीं होती और न ही अंतर्निहित सॉल्वर में कोई संशोधन किया जाता है।
यह शोध पत्र NL2VC-60 डेटासेट का परिचय देता है और विभिन्न प्रॉम्प्टिंग रणनीतियों का मूल्यांकन करता है ताकि ओपन-वेट लार्ज लैंग्वेज मॉडल्स को Dafny वेरीफायर और uDebug प्लेटफॉर्म का उपयोग करके प्राकृतिक भाषा की समस्याओं को औपचारिक रूप से सत्यापित कोड में बदलने में सक्षम बनाया जा सके।
यह शोध पत्र तर्क देता है कि एआई (AI) भर्ती प्रणालियों की जटिल आपूर्ति श्रृंखलाएं—जिसमें कई विक्रेता और डेवलपर्स शामिल हैं—पूर्वाग्रह के मापन और जवाबदेही को जटिल बनाती हैं क्योंकि खंडित जिम्मेदारियां और सूचनात्मक विषमताएं एकीकृत मूल्यांकन और कानूनी उत्तरदायित्व के स्पष्ट निर्धारण को रोकती हैं।
यह शोध पत्र यूटिलिटी-अलाइन्ड एम्बेडिंग्स (UAE) का प्रस्ताव करता है, जो एक ऐसा फ्रेमवर्क है जो एक विशिष्ट डिस्टिलेशन ऑब्जेक्टिव के माध्यम से LLM-आधारित यूटिलिटी सिग्नल्स की नकल करने के लिए बायो-एनकोडर्स को प्रशिक्षित करके डेंस रिट्रीवल प्रदर्शन में सुधार करता है, जिससे सेमेंटिक बेसलाइन की तुलना में महत्वपूर्ण सटीकता लाभ प्राप्त होता है और साथ ही LLM री-रैंकिंग की तुलना में बहुत तेज़ बना रहता है।
यह शोध पत्र सिद्ध करता है कि एपिस्टेमिक लॉजिक (epistemic logic) में प्लान अस्तित्व समस्या (plan existence problem) अनिर्णयक्षम (undecidable) है, यहाँ तक कि अत्यधिक प्रतिबंधित स्थितियों के तहत भी जैसे कि एक्शन प्रीकंडिशन्स (action preconditions) के लिए सीमित मोडल डेप्थ (modal depth) और पोस्टकंडिशन्स (postconditions) की अनुपस्थिति।
यह शोधपत्र प्रदर्शित करता है कि केवल कच्चे एकल-शब्द भाषण पर प्रशिक्षित पूर्णतः अनसुपरवाइज्ड डीप न्यूरल नेटवर्क स्वतः ही संयोजित बहु-शब्द आउटपुट उत्पन्न कर सकते हैं जिनमें रचनाशीलता (compositionality) के पूर्ववर्ती मौजूद होते हैं, जो ध्वनिक इनपुट से वाक्य रचना (syntax) के विकास के लिए एक संभावित तंत्र का सुझाव देते हैं।
यह शोध पत्र FedCoLLM को प्रस्तुत करता है, जो एक पैरामीटर-कुशल फेडरेटेड फ्रेमवर्क है जो हल्के एडेप्टर के माध्यम से सर्वर-साइड लार्ज लैंग्वेज मॉडल्स और क्लाइंट-साइड स्मॉल लैंग्वेज मॉडल्स के बीच पारस्परिक ज्ञान संवर्धन को सक्षम बनाता है, जिससे डेटा गोपनीयता बनाए रखते हुए और कम्प्यूटेशनल ओवरहेड को न्यूनतम करते हुए दोनों के लिए महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।