26898 पेपर
यह अध्ययन दर्शाता है कि लार्ज लैंग्वेज मॉडल्स, ज़ीरो-शॉट और फ्यू-शॉट प्रॉम्प्टिंग रणनीतियों का उपयोग करते हुए, उन ऐतिहासिक ग्रंथों के लिए नेमड एंटिटी रिकग्निशन (Named Entity Recognition) हेतु एक व्यवहार्य और कुशल विकल्प प्रदान करते हैं जहाँ एनोटेटेड ट्रेनिंग डेटा की कमी है, जो पूरी तरह से सुपरवाइज्ड मॉडल्स से पीछे रहने के बावजूद भी उचित रूप से मजबूत प्रदर्शन प्राप्त करते हैं।
यह शोध पत्र Sparse MERIT का प्रस्ताव करता है, जो एक मल्टी-टास्क लर्निंग फ्रेमवर्क है जो डायनेमिक फ्रेम-वाइज गेटिंग के साथ एक स्पार्स मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है ताकि चुनौतीपूर्ण शोर वाली स्थितियों में टास्क संघर्षों को प्रभावी ढंग से हल किया जा सके और स्पीच एन्हांसमेंट एवं रोबस्ट इमोशन रिकग्निशन दोनों के प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र निर्देश-ट्यून किए गए बड़े भाषा मॉडलों (large language models) में इनकार (refusal) के आंतरिक तंत्र की जांच करता है, जिसमें विशिष्ट लेटेंट फीचर्स (latent features) को पहचानने और उन्हें हटाने (ablate करने) के लिए स्पार्स ऑटोएनकोडर्स (sparse autoencoders) को प्रशिक्षित किया गया है जो मॉडल को इनकार से अनुपालन (compliance) की ओर कारणवश बदल देते हैं, जिससे जेलब्रेकिंग के लिए एक बहु-चरणीय पाइपलाइन का खुलासा होता है और रेडंडेंट सुरक्षा फीचर्स (redundant safety features) के अस्तित्व पर प्रकाश पड़ता है।
यह शोध पत्र एलएलएम-सहायता प्राप्त सहकर्मी समीक्षाओं (पीयर रिव्यूज) में पूर्वाग्रह की जांच करता है, यह प्रकट करते हुए कि मॉडल प्रतिष्ठित लेखकों के पक्ष में महत्वपूर्ण संबद्धता, वरिष्ठता और प्रकाशन इतिहास संबंधी पूर्वाग्रह प्रदर्शित करते हैं, और ये अंतर्निहित प्राथमिकताएं संभावित संरेखण मास्किंग (अलाइनमेंट मास्किंग) के बावजूद टोकन स्तर पर विश्लेषण किए जाने पर और भी अधिक स्पष्ट हो जाती हैं।
यह योगदान स्पीच-टू-टेक्स्ट मॉडलों में कंट्रास्टिव स्पष्टीकरण (contrastive explanations) उत्पन्न करने की पहली विधि प्रस्तुत करता है, जो यह विश्लेषण करती है कि इनपुट स्पेक्ट्रोग्राम फीचर्स वैकल्पिक आउटपुट के बीच चयन को कैसे प्रभावित करते हैं, और स्पीच ट्रांसलेशन में जेंडर असाइनमेंट पर एक केस स्टडी के माध्यम से उनकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र AInstein को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो यह प्रदर्शित करता है कि जबकि बड़े भाषा मॉडल केवल पैरामीट्रिक ज्ञान का उपयोग करके पुनरावृत्त परिशोधन (iterative refinement) के माध्यम से 70% से अधिक एआई अनुसंधान समस्याओं को स्वायत्त रूप से हल कर सकते हैं, वे एक "पैरामीट्रिक ज्ञान सीमा" द्वारा सीमित रहते हैं जो क्रॉस-डोमेन एनालॉजिकल ट्रांसफर को बाधित करती है और शायद ही कभी विशिष्ट प्रकाशित समाधानों की पुनर्खोज करने की ओर ले जाती है।
यह शोध पत्र STEER को प्रस्तुत करता है, जो सत्यापन योग्य पुरस्कारों (RLVR) के साथ सुदृढीकरण शिक्षण (Reinforcement Learning) के लिए एक सिद्धांतगत एंट्रॉपी-मॉड्यूलेशन विधि है, जो टोकन-स्तरीय एंट्रॉपी परिवर्तनों के लिए एक सैद्धांतिक ढांचा व्युत्पन्न करके और गणितीय एवं कोडिंग बेंचमार्क में मौजूदा ह्यूरिस्टिक हस्तक्षेपों से बेहतर प्रदर्शन करने के लिए टोकन को अनुकूल रूप से पुन: भारित (reweighting) करके एंट्रॉपी पतन (entropy collapse) को संबोधित करता है।
यह शोध पत्र मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) इकोसिस्टम का पहला क्रॉस-एंटिटी सुरक्षा अध्ययन प्रस्तुत करता है, जो सार्वजनिक रजिस्ट्रियों में व्यापक कमजोरियों को उजागर करता है जो सर्वर हाइजैकिंग और LLM रीजनिंग हेरफेर की अनुमति देते हैं, और इन मेटाडेटा और कोड-स्तर के खतरों का पता लगाने के लिए MCPInspect को पेश करता है।
यह शोध पत्र GISP को प्रस्तुत करता है, जो एक वैश्विक पुनरावृत्ति संरचित प्रूनिंग (iterative structured pruning) विधि है जो अटेंशन हेड्स और MLP चैनलों को कुशलतापूर्वक हटाने के लिए प्रथम-क्रम हानि-आधारित महत्व स्कोर (first-order loss-based importance scores) को एकत्रित करती है, जिससे यह उच्च विरलता स्तरों (high sparsity levels) पर सटीकता को स्थिर करने और मध्यवर्ती फाइन-ट्यूनिंग के बिना कार्य-विशिष्ट अनुकूलन को सक्षम करने में पारंपरिक स्थानीय प्रतिमानों (local paradigms) से बेहतर प्रदर्शन करती है।
UltraGS एक रियल-टाइम फ्रेमवर्क है जो स्पष्ट रेडिएंस फील्ड्स को एक भौतिकी-प्रेरित ध्वनिक ऑपरेटर और डेप्थ-अवेयर प्रिमिटिव्स के साथ एकीकृत करके अल्ट्रासाउंड नोवेल व्यू सिंथेसिस के लिए गॉसियन स्प्लेटिंग को अनुकूलित करता है, जिससे एक नए जारी किए गए क्लिनिकल डेटासेट पर अत्याधुनिक प्रदर्शन और दक्षता प्राप्त होती है।