27120 पेपर
UpstreamQA एक मॉड्यूलर फ्रेमवर्क है जो बड़े रीजनिंग मॉडल्स का उपयोग करके स्पष्ट मध्यवर्ती चरण—जैसे कि वस्तु पहचान और दृश्य संदर्भ—जनरेट करता है ताकि डाउनस्ट्रीम मल्टीमॉडल मॉडल्स की व्याख्यात्मकता और मल्टी-हॉप रीजनिंग क्षमताओं को बेहतर बनाया जा सके, जिससे वीडियो क्वेश्चन अनस्वर्सिंग में सुधार होता है।
यह शोध पत्र कई LLM जजों में नौ डिबायसिंग (debiasing) रणनीतियों का एक व्यवस्थित अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि स्टाइल बायस (style bias) सबसे महत्वपूर्ण चुनौती है और यह प्रदर्शित करता है कि रणनीतिक हस्तक्षेप विभिन्न मॉडल परिवारों में मूल्यांकन विश्वसनीयता को प्रभावी ढंग से सुधार सकते हैं।
यह शोध पत्र DyABD को प्रस्तुत करता है, जो पेट की मांसपेशियों के विभाजन (segmentation) के लिए एक नवीन और अत्यधिक चुनौतीपूर्ण डायनेमिक एमआरआई बेंचमार्क है, जिसमें रोगी के व्यायाम के कारण अत्यधिक शारीरिक परिवर्तनशीलता (anatomical variability) मौजूद है, जिसका उद्देश्य पेट की हर्निया (abdominal hernias) में नैदानिक अनुसंधान को आगे बढ़ाना और वर्तमान विभाजन मॉडलों की सामान्यीकरण क्षमताओं का मूल्यांकन करना है।
यह शोध पत्र RAT (RunAnyThing) प्रस्तुत करता है, जो एक मल्टी-स्टेज पाइपलाइन के माध्यम से किसी भी सॉफ्टवेयर रिपॉजिटरी के लिए एनवायरनमेंट कॉन्फ़िगरेशन को स्वचालित करने के लिए डिज़ाइन किया गया एक लैंग्वेज-अग्नोस्टिक फ्रेमवर्क है, और वास्तविक दुनिया की रिपॉजिटरी विषमता के विरुद्ध इसके प्रदर्शन का मूल्यांकन करने के लिए RATBench का प्रस्ताव करता है।
AnalogRetriever एक एकीकृत त्रि-आयामी (tri-modal) रिट्रीवल फ्रेमवर्क है जो एनालॉग सर्किट (स्कीमैटिक्स, विवरण और नेटलिस्ट) को एक साझा एम्बेडिंग स्पेस में मैप करके उनके क्रॉस-मोडल सर्च को सक्षम बनाता है, जिससे रिट्रीवल सटीकता और डाउनस्ट्रीम एजेंटिक डिज़ाइन कार्यों के प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र **TraceGuard** का प्रस्ताव करता है, जो एक ब्लैक-बॉक्स एंटी-डिस्टिलेशन विधि है जो शिक्षक और छात्र मॉडलों के बीच की अंतःक्रिया को स्टैकेलबर्ग गेम (Stackelberg game) के रूप में मानता है ताकि ग्रेडिएंट एक्सेस की आवश्यकता के बिना या शिक्षक के प्रदर्शन से समझौता किए बिना, रीजनिंग ट्रेसेस (reasoning traces) को पॉइजन करके फ्रंटियर मॉडल्स को क्षमता के दुरुपयोग से सुरक्षित रखा जा सके।
यह शोध पत्र सॉफ्टवेयर इंजीनियरिंग कैपस्टोन परियोजनाओं में कोड गुणवत्ता और स्व-नियमित शिक्षण को सुदृढ़ करने के लिए गिटहब पुल रिक्वेस्ट (GitHub pull requests) में एक एलएलएम-आधारित (LLM-based) समीक्षक को एकीकृत करने पर एक मिश्रित-पद्धति अनुभव रिपोर्ट प्रस्तुत करता है, जो यह प्रदर्शित करता है कि उचित निर्देशात्मक मार्गदर्शन के साथ जुड़ने पर संरचित एआई फीडबैक पुनरावृत्ति विकास और सार्थक छात्र जुड़ाव को बढ़ावा दे सकता है।
यह शोधपत्र यह प्रदर्शित करता है कि ग्रेडिएंट-आधारित सिम्बोलिक रिग्रेशन में, चर (variables) एक्सप्रेशन ट्री में कैसे प्रवेश करते हैं इसका आर्किटेक्चरल चुनाव सैद्धांतिक अभिव्यंजकता (theoretical expressiveness) की तुलना में अधिक महत्वपूर्ण है, क्योंकि परिणामी अनुकूलन परिदृश्य (optimization landscape) यह निर्धारित करता है कि क्या एक लक्षित सूत्र को वास्तव में प्राप्त किया जा सकता है।
यह शोध पत्र एक प्री-इन्फरेंस प्रॉम्प्ट ऑप्टिमाइज़ेशन तंत्र का प्रस्ताव करता है जो उपयोगकर्ता के प्रॉम्प्ट में अर्थ संबंधी अस्पष्टताओं को स्पष्ट रूप से पहचानने और उन्हें हल करने के लिए स्मॉल लैंग्वेज मॉडल्स (SLMs) का उपयोग करता है, जिससे न्यूनतम कम्प्यूटेशनल लागत के साथ लार्ज लैंग्वेज मॉडल्स (LLMs) के रीजनिंग प्रदर्शन में सुधार होता है।
CAP-CoT एक चक्रीय प्रतिकूल प्रॉम्प्टिंग (cycle adversarial prompting) ढांचा है जो एक फॉरवर्ड सॉल्वर, कार्य-अर्थपूर्ण तार्किक त्रुटियां उत्पन्न करने वाले एक एडवरसेरियल चैलेंजर और सॉल्वर एवं चैलेंजर दोनों प्रॉम्प्ट्स को पुनरावृत्ति रूप से अनुकूलित करने के लिए एक फीडबैक एजेंट के बीच एक फीडबैक लूप का उपयोग करके LLM तर्क की सटीकता और स्थिरता में सुधार करता है।