27599 पेपर
यह शोध पत्र एक विश्वसनीय निष्पादन वातावरण (TEE) आधारित आर्किटेक्चर का प्रस्ताव करता है जो एआई-सहायता प्राप्त अनुदान समीक्षाओं के लिए ऑडिट करने योग्य, हस्ताक्षरित मूल्यांकन बंडलों को बनाने हेतु रिमोट अटैस्टेशन का उपयोग करता है, जो प्रोप्रायटरी मॉडल वेट्स या स्कोरिंग लॉजिक को उजागर किए बिना प्रक्रिया पारदर्शिता और प्रॉम्प्ट इंजेक्शन प्रतिरोध सुनिश्चित करता है।
BARRED एक ऐसा फ्रेमवर्क है जो डोमेन डायमेंशन डिकंपोजिशन और मल्टी-एजेंट डिबेट के माध्यम से हाई-फिडेलिटी सिंथेटिक ट्रेनिंग डेटा जेनरेट करता है, जिससे छोटे लैंग्वेज मॉडल्स को व्यापक मानवीय एनोटेशन के बिना कस्टम पॉलिसियों को लागू करने में स्टेट-ऑफ-द-आर्ट प्रोप्रायटरी LLMs और समर्पित गार्डरेल्स से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके।
यह शोध पत्र DataReel प्रस्तुत करता है, जो 328 वास्तविक दुनिया के डेटा-संचालित वीडियो कहानियों वाला एक बेंचमार्क है, और एक मल्टी-एजेंट फ्रेमवर्क प्रस्तावित करता है जो सिंक्रोनाइज़्ड नैरेशन (तुल्यकालिक वर्णन) के साथ एनिमेटेड डेटा विज़ुअलाइज़ेशन के निर्माण को स्वचालित करने में डायरेक्ट प्रॉम्प्टिंग बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र प्रार्थना के लिए चार वैचारिक एआई (AI) प्रणालियों का प्रस्ताव करता है ताकि यह प्रदर्शित किया जा सके कि आध्यात्मिक अनुभवों की प्रमाणिकता बनाए रखने के लिए मानवीय एजेंसी और व्याख्यात्मक खुलेपन को संरक्षित करना आवश्यक है, क्योंकि अत्यधिक एआई हस्तक्षेप ईश्वरीय संबंध की कथित वास्तविकता को कम करने का जोखिम उत्पन्न करता है।
यह शोध पत्र DRAGON को पेश करता है, जो एक बेंचमार्क डेटासेट और मूल्यांकन ढांचा है जिसे विजन-लैंग्वेज मॉडल्स की आरेखों (डायग्राम्स) के भीतर विशिष्ट दृश्य साक्ष्यों में अपने उत्तरों को ग्राउंड करने की क्षमता का आकलन करने के लिए डिज़ाइन किया गया है, जो विश्वसनीय तर्क औचित्य के बिना उच्च सटीकता की सीमा को संबोधित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि छोटे इंस्ट्रक्शन-ट्यून्ड एलएलएम (7-9 बिलियन पैरामीटर्स) को जानबूझकर खराब प्रदर्शन करने के लिए प्रॉम्प्ट देना अपेक्षित 'बिल्लो-चांस' (संभावना से कम) सटीकता प्राप्त करने में विफल रहता है क्योंकि मॉडल या तो निर्देश की अनदेखी करते हैं या मध्य-वर्ण के विकल्पों के प्रति एक स्थितिजन्य पूर्वाग्रह (पोजीशनल बायस) अपना लेते है, जो यह सुझाव देता है कि इस प्रकार के सैंडबैगिंग का पता लगाने के लिए वितरण परिवर्तनों (डिस्ट्रीब्यूशन शिफ्ट्स) की निगरानी करना आवश्यक है न कि 'बिल्लो-चांस' प्रदर्शन पर निर्भर रहना।
यह शोध पत्र LegalMidm को प्रस्तुत करता है, जो एक व्यवस्थित, उपयोग-मामला-संचालित प्रशिक्षण ढांचे के माध्यम से विकसित एक कोरियाई कानूनी-डोमेन लार्ज लैंग्वेज मॉडल है, जो वास्तविक दुनिया के कानूनी अनुप्रयोगों में सटीकता और व्यावहारिक उपयोगिता को बढ़ाने के लिए कानूनी पेशेवरों के साथ सहयोग और कठोर डेटा क्यूरेशन को प्राथमिकता देता है।
यह शोध पत्र डिफ्यूजन मॉडल्स में एकीकृत एक रिकर्सिव, स्पार्स मिक्सचर-ऑफ-एक्सपर्ट्स फ्रेमवर्क प्रस्तावित करता है जो विजुअल टोकन को पुनरावृत्ति से परिष्कृत करने के लिए एक गेटिंग नेटवर्क का उपयोग करता है, जिससे मल्टीमॉडल इमेज जनरेशन में स्ट्रक्चर्ड रीजनिंग और टेक्स्ट-फॉलोइंग क्षमताओं को बढ़ाया जा सके।
यह शोधपत्र Faithfulness-QA को प्रस्तुत करता है, जो लगभग 100,000 काउंटरफैक्टुअली (counterfactually) संशोधित QA नमूनों का एक बड़े पैमाने का डेटासेट है, जिसे रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) मॉडलों को आंतरिक पैरामीट्रिक मेमोरी के बजाय रिट्रीव किए गए संदर्भ को प्राथमिकता देने के लिए प्रशिक्षित और मूल्यांकित करने हेतु डिज़ाइन किया गया है, जिससे अनफेथफुल (unfaithful) जनरेशन की महत्वपूर्ण समस्या का समाधान किया जा सके।
यह शोध पत्र Cutscene Agent को प्रस्तुत करता है, जो एक मल्टी-एजेंट LLM फ्रेमवर्क है जो द्वि-दिशीय गेम इंजन एकीकरण (bidirectional game engine integration), विजुअल फीडबैक वाले एक पदानुक्रमित ऑर्केस्ट्रेशन सिस्टम और जटिल, लॉन्ग-होरिजन टूल ऑर्केस्ट्रेशन का मूल्यांकन करने के लिए डिज़ाइन किए गए एक नए पदानुक्रमित बेंचमार्क (CutsceneBench) के माध्यम से एंड-टू-एंड 3D कटसीन जनरेशन को स्वचालित करता है।