27120 पेपर
मिररमार्क (MirrorMark) लार्ज लैंग्वेज मॉडल्स के लिए एक नवीन मल्टी-बिट वॉटरमार्किंग तकनीक है जो टोकन संभाव्यता वितरण (token probability distribution) को विकृत किए बिना सुदृढ़, पता लगाने योग्य संदेशों को समाहित करती है, जिससे टेक्स्ट की गुणवत्ता सुरक्षित रहती है और साथ ही सटीकता एवं डिटेक्शन दरों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करती है।
19 ज्ञान श्रमिकों (knowledge workers) के साक्षात्कार के आधार पर, यह शोध पत्र प्रकट करता है कि जहाँ कार्यस्थल की सामाजिक गतिशीलता GenAI सीखने में सहायता करती है, वहीं यह धारणा कि AI के उपयोग को छिपाना विशेषज्ञता को प्रमाणित करता है, ज्ञान साझा करने और पारदर्शिता को कम करने का कारण बनती है, जो AI साक्षरता को आगे बढ़ाने के लिए अधिक खुले संवाद और सहयोगात्मक शिक्षण का आह्वान करती है।
SEAM एक हल्का, प्लग-इन मॉड्यूल है जो अपने स्वयं के मापदंडों के भीतर अनुभव को संग्रहीत करता है और एक ही फॉरवर्ड पास में फ्रोजन (frozen) LLMs के लिए संरचित, उपयोगिता-अनुकूलित मार्गदर्शन उत्पन्न करता है, जिससे पारंपरिक रिट्रीवल-आधारित विधियों की विलंबता या शोर के बिना तर्क प्रदर्शन में सुधार होता है।
यह शोध पत्र एक उद्योग सर्वेक्षण और छात्र-केंद्रित कैप्चर द फ्लैग चुनौतियों को संयोजित करने वाले एक दोहरे अध्ययन को प्रस्तुत करता है ताकि साइबर सुरक्षा शिक्षा और एडवरसरियल मशीन लर्निंग जागरूकता के बीच के संबंध को प्रदर्शित किया जा सके, जो अंततः मशीन लर्निंग पाठ्यक्रमों में सुरक्षा अवधारणाओं के एकीकरण का समर्थन करता है।
यह शोध पत्र REALFIN को प्रस्तुत करता है, जो एक द्विभाषी बेंचमार्क है जो प्रश्नों से आवश्यक आधारों को हटाकर वित्तीय तर्क का मूल्यांकन करता है, जिससे यह पता चलता है कि सामान्य और वित्त-विशेषज्ञ दोनों प्रकार के LLMs लुप्त जानकारी को पहचानने में संघर्ष करते हैं और अक्सर अनुचित उत्तरों के प्रति अत्यधिक प्रतिबद्ध रहते हैं।
यह योगदान VAT प्रस्तुत करता है, जो एक ऐसा ढांचा है जो LLMs को संरेखित करने के उद्देश्य से किए गए हस्तक्षेपों के कारण परस्पर जुड़े मूल्यों में अक्सर अनदेखे रहने वाले समझौतों (trade-offs) और प्रणालीगत बदलावों को मापता है, और यह प्रदर्शित करता है कि एक एकल लक्ष्य मान (target value) के लिए अनुकूलन करना अक्सर अन्य मूल्यों पर संरचित, अनपेक्षित दुष्प्रभाव उत्पन्न करता है जो पारंपरिक, केवल लक्ष्य-मूल्य-विशिष्ट मूल्यांकनों द्वारा अनपेक्षित रह जाते हैं।
यह योगदान LEG को प्रस्तुत करता है, जो एक हल्का, व्याख्यात्मक गार्डरेल है जो प्रॉम्प्ट सुरक्षा वर्गीकरण और स्पष्टीकरण में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए मल्टी-टास्क लर्निंग, पूर्वाग्रह-निवारक सिंथेटिक डेटा और एक नवीन अनिश्चितता-भारित लॉस फंक्शन का लाभ उठाता है, जबकि मॉडल का आकार काफी छोटा है।
StratRAG एक नया ओपन-सोर्स डेटासेट है जिसे शोर-शराबे वाले और भ्रामक दस्तावेज़ों के पूलों में अंतर्निहित जटिल प्रश्नों के विरुद्ध रिट्रीवल रणनीतियों का मूल्यांकन करके रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम की मल्टी-हॉप रीजनिंग क्षमताओं को बेंचमार्क करने के लिए डिज़ाइन किया गया है।
यह शोधपत्र TeCQR का प्रस्ताव करता है, जो एक नवीन संबंधित प्रश्न पुनर्प्राप्ति मॉडल (related question retrieval model) है, जो कम्युनिटी क्वेश्चन अनswering के लिए टैग-संवर्धित स्पष्टीकरण प्रश्नों (tag-enhanced clarifying questions) और एक शोर-सहिष्णु प्रशिक्षण रणनीति (noise-tolerant training strategy) का लाभ उठाता है ताकि एक संवादात्मक दृष्टिकोण के माध्यम से सूक्ष्म अर्थपूर्ण संबंधों (fine-grained semantic relationships) को कैप्चर किया जा सके।
यह शोध पत्र बिहेवियरल इंटेलिजेंस प्लेटफॉर्म (BIP) का प्रस्ताव करता है, जो एक चार-स्तरीय आर्किटेक्चर है जो संभाव्य यात्रा ग्राफ (probabilistic journey graphs), व्यवहार संबंधी ज्ञान निष्कर्षण (behavioral knowledge extraction), और ग्राउंडेड भाषा निर्माण (grounded language generation) का उपयोग करके कच्चे इवेंट स्ट्रीम्स को सक्रिय, विश्वसनीय नैरेटिव अंतर्दृष्टि में बदलकर उत्पाद विश्लेषण को स्वचालित करता है।