27120 पेपर
ब्लाइंडगार्ड (BlindGuard) एक अनसुपरवाइज्ड डिफेंस फ्रेमवर्क है जो एलएलएम-आधारित मल्टी-एजेंट सिस्टम के लिए है, जो लेबल किए गए अटैक डेटा या विशिष्ट खतरों के पूर्व ज्ञान पर निर्भर हुए बिना, प्रभावी ढंग से दुर्भावनापूर्ण एजेंटों की पहचान करने और विविध हमलों को कम करने के लिए एक पदानुक्रमित एजेंट एनकोडर (hierarchical agent encoder) और एक करप्शन-गाइडेड डिटेक्टर (corruption-guided detector) का उपयोग करता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि कटऑफ के बाद प्रदर्शन में गिरावट (post-cutoff performance decay) विश्वसनीय रूप से बेंचमार्क संदूषण (benchmark contamination) का संकेत देती है, और लाइवकोडबेंच (LiveCodeBench) तथा इन्फ्लुएंस फंक्शन्स (influence functions) के विश्लेषण के माध्यम से यह प्रदर्शित करता है कि यह टेम्पोरल सिग्नल प्रश्न निर्माण के प्रति अत्यधिक संवेदनशील है और इसे LLM-जनित रूपांतरणों द्वारा कृत्रिम रूप से प्रेरित या हटाया जा सकता है।
यह शोध पत्र एक ऐसी नवीन कार्यप्रणाली प्रस्तावित करता है जो लार्ज लैंग्वेज मॉडल्स को डोमेन ऑन्टोलॉजी और SHACL बाधाओं के साथ जोड़कर एक ऐसा AI एजेंट बनाता है जो साइबर सुरक्षा लॉग्स, विशेष रूप से हनीपॉट डेटा से संरचित, अर्थपूर्ण रूप से वैध जानकारी निकालने की सटीकता और व्याख्यात्मकता में महत्वपूर्ण सुधार करता है।
यह अध्ययन DementiaBank कॉर्पस का उपयोग करते हुए स्पीच-आधारित डिमेंशिया डिटेक्शन में लार्ज लैंग्वेज मॉडल्स के लिए विभिन्न अनुकूलन रणनीतियों का व्यवस्थित रूप से मूल्यांकन करता है, जिसमें यह पाया गया है कि टोकन-लेवल फाइन-ट्यूनिंग और अनुकूलित प्रदर्शन चयन (डेमोंस्ट्रेशन सिलेक्शन) ओपन-वेट मॉडल्स को प्रदर्शन में वाणिज्यिक प्रणालियों के बराबर या उनसे बेहतर बनाने में सक्षम बनाते हैं।
यह शोध पत्र xOffense को प्रस्तुत करता है, जो एक डोमेन-अनुकूलित (domain-adapted) Qwen3-32B LLM द्वारा संचालित एक स्वायत्त मल्टी-एजेंट फ्रेमवर्क है जो पेनिट्रेशन टेस्टिंग वर्कफ़्लो को स्वचालित करता है और VulnBot एवं PentestGPT जैसे मौजूदा सिस्टमों की तुलना में कठोर बेंचमार्क पर बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक फानो-शैली (Fano-style) का सैद्धांतिक ऊपरी आबद्ध (upper bound) स्थापित करता है जो यह दर्शाता है कि जब कार्य की जटिलता मॉडल की क्षमता से अधिक हो जाती है तो सिंगल-पास (single-pass) एलएलएम (LLM) तर्क विफल हो जाता है, और सूचनात्मक प्रश्नोत्तर (InfoQA) का प्रस्ताव करता है, जो एक मल्टी-कॉल फ्रेमवर्क है जो क्षमता-जागरूक अपघटन (capacity-aware decomposition) और सक्रिय ट्रेस प्रूनिंग (active trace pruning) के माध्यम से इस बाधा को दूर करने के लिए मजबूत मल्टी-हॉप प्रश्नोत्तर प्रदर्शन प्राप्त करता है।
सिंथपर्ट (SynthPert) एक नवीन विधि है जो फ्रंटियर मॉडल्स द्वारा जनरेट किए गए सिंथेटिक रीजनिंग ट्रेसेस पर फाइन-ट्यूनिंग करके, जेनेटिक पर्टर्बेशन्स (आनुवंशिक विक्षोभों) के प्रति सेलुलर प्रतिक्रियाओं की भविष्यवाणी करने की लार्ज लैंग्वेज मॉडल्स की क्षमता को बढ़ाती है, जिससे यह अत्याधुनिक प्रदर्शन और मजबूत क्रॉस-सेल-टाइप सामान्यीकरण (cross-cell-type generalization) प्राप्त करती है।
यह शोध पत्र "गेम-टाइम" (Game-Time) का परिचय देता है, जो स्पोकन लैंग्वेज मॉडल्स (SLMs)—जैसे कि टाइमिंग, टेम्पो और एक साथ होने वाले भाषण (simultaneous speech)—के टेम्पोरल डायनेमिक्स का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि जबकि वर्तमान मॉडल बुनियादी कार्यों पर अच्छा प्रदर्शन करते हैं, वे टेम्पोरल बाधाओं और फुल-डुप्लेक्स इंटरेक्शन के साथ काफी संघर्ष करते हैं।
OntoLogX एक स्वायत्त AI एजेंट है जो लार्ज लैंग्वेज मॉडल्स (LLMs), रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) और ऑन्टोलॉजी-गाइडेड इटरेटिव करेक्शन का लाभ उठाकर असंरचित साइबर सुरक्षा लॉग्स को सटीक रूप से MITRE ATT&CK टैक्टिक्स से मैप करने के लिए सुसंगत, ऑन्टोलॉजी-ग्राउंडेड नॉलेज ग्राफ्स में परिवर्तित करता है।
यह शोधपत्र विज़ुअल जनरेटिव मॉडल्स में कंपोजिशनल जनरलाइजेशन के चालकों की जांच करता है, यह पहचानते हुए कि निरंतर वितरण (continuous distributions) पर प्रशिक्षण देना और सूचनात्मक कंडीशनिंग प्रदान करना प्रमुख कारक हैं, और यह प्रदर्शित करता है कि एक सहायक निरंतर JEPA-आधारित उद्देश्य के साथ डिस्क्रीट मॉडल्स को संवर्धित करने से नवीन अवधारणा संयोजनों (novel concept combinations) को उत्पन्न करने की उनकी क्षमता में सुधार होता है।