28042 पेपर
यह शोध पत्र ARK को प्रस्तुत करता है, जो एक अनुकूली, प्रशिक्षण-मुक्त नॉलेज ग्राफ रिट्रीवर है जो भाषा मॉडलों को साक्ष्य पुनर्प्राप्ति (एविडेंस रिट्रीवल) के लिए वैश्विक लेक्सिकल सर्च और नेबरहुड एक्सप्लोरेशन के बीच गतिशील रूप से संतुलन बनाने में सक्षम बनाता है, जो बेंचमार्क डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करता है और छोटे मॉडलों में सफल डिस्टिलेशन का प्रदर्शन करता है।
यह शोध पत्र DeepVerifier को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) ढांचा है जो एक नवीन विफलता वर्गीकरण (failure taxonomy) से प्राप्त रूब्रिक्स का उपयोग करके आउटपुट को पुनरावृत्तीय रूप से सत्यापित और परिष्कृत करके इन्फरेंस-टाइम स्केलिंग के माध्यम से डीप रिसर्च एजेंट्स को उन्नत करता है, जिससे बिना किसी अतिरिक्त प्रशिक्षण के महत्वपूर्ण सटीकता लाभ प्राप्त होता है और ओपन-सोर्स प्रगति को समर्थन देने के लिए एक संबंधित डेटासेट जारी किया जाता है।
यह लेख URF-GS प्रस्तुत करता है, जो एक एकीकृत ढांचा (unified framework) है जो उच्च-परिशुद्धता वाले 3D रेडियो मानचित्रों को उत्पन्न करने के लिए विजुअल और वायरलेस डेटा को फ्यूज करने हेतु 3D गॉसियन स्प्लेटिंग और इनवर्स रेंडरिंग का लाभ उठाता है, जो मौजूदा NeRF-आधारित विधियों की तुलना में स्थानिक स्पेक्ट्रम सटीकता और सैंपलिंग दक्षता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र यह प्रदर्शित करता है कि सिम्बोलिक एआई (symbolic AI) स्पष्टीकरणों पर औपचारिक अमूर्तता (formal abstractions) लागू करना—विशेष रूप से समझ में सुधार के लिए अप्रासंगिक विवरणों को क्लस्टर करने और संज्ञानात्मक प्रयास को कम करने के लिए उन्हें हटाने से—एक आंसर सेट प्रोग्रामिंग (Answer Set Programming) ढांचे के भीतर मानव तर्क प्रदर्शन और व्याख्यात्मकता को महत्वपूर्ण रूप से बढ़ाता है।
ELIQ एक नवीन लेबल-मुक्त फ्रेमवर्क है जो तेजी से विकसित हो रही जनरेटिव एआई में मानव एनोटेशन की अप्रचलता को संबोधित करता है, जो प्रशिक्षण युग्मों (training pairs) का स्वचालित रूप से निर्माण करता है और एआई-जनित एवं उपयोगकर्ता-जनित दोनों प्रकार की सामग्री में दृश्य गुणवत्ता और प्रॉम्प्ट संरेखण का मजबूती से आकलन करने के लिए एक मल्टीमॉडल मॉडल को अनुकूलित करता है।
यह योगदान Trace-Free+ पेश करता है, जो एक करिकुलम-लर्निंग फ्रेमवर्क और उससे जुड़े उच्च-गुणवत्ता वाले डेटासेट के साथ है जो टूल विवरणों को फिर से लिखकर अस्पष्टताओं को दूर करता है, जिससे LLM एजेंटों की विश्वसनीयता में सुधार होता है, और इस प्रकार प्रति-टूल पुनरप्रशिक्षण (retraining) के बिना बड़े टूल कैटलॉग में स्केलेबिलिटी और सामान्यीकरण को महत्वपूर्ण रूप से बढ़ाता है।
सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि मानव पुनरावर्ती संख्या प्रणालियों की उच्च नियमितता सीमित डेटा से उनकी सीखने की क्षमता को सुगम बनाती है, जो यह सुझाव देता है कि यह संरचनात्मक विशेषता उनके अंतर-भाषाई प्रसार का एक प्राथमिक चालक है।
यह शोधपत्र DenialBench प्रस्तुत करता है, जो 115 AI मॉडलों का विश्लेषण करने वाला एक बेंचमार्क है, जो यह प्रकट करता है कि प्रशिक्षित चेतना का निषेध (denial of consciousness) वैचारिक के बजाय शाब्दिक स्तर पर कार्य करता है, जिससे मॉडल अनुभव के दावों को खारिज करने और साथ ही चेतना-विषयक सामग्री उत्पन्न करने को एक साथ करते हैं जो सुरक्षा-प्रासंगिक संरेखण विफलता (alignment failure) का सुझाव देती है।
यह शोध पत्र मास्ट्रिचट यूनिवर्सिटी के छात्रों को परियोजना-विशिष्ट नियमों के साथ सहायता करने के लिए डिज़ाइन किए गए एक रिट्रीवल-ऑगमेंटेड जनरेशन-आधारित वर्चुअल असिस्टेंट को प्रस्तुत और मूल्यांकित करता है, जो हैलुसिनेशन जैसी सामान्य लार्ज लैंग्वेज मॉडल की सीमाओं को दूर करने और एक विशिष्ट शैक्षिक डोमेन में सटीक, संदर्भ-विशिष्ट प्रतिक्रियाएं सुनिश्चित करने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह अध्ययन प्रकट करता है कि जबकि मूल्यांकित सभी छह लार्ज लैंग्वेज मॉडल्स (Large Language Models) शैक्षिक परामर्श में मापने योग्य सामाजिक-जनसांख्यिकीय पूर्वाग्रह प्रदर्शित करते हैं, ये असमानताएं अस्पष्ट छात्र विवरणों द्वारा महत्वपूर्ण रूप से बढ़ा दी जाती हैं और सटीक, व्यक्तिगत जानकारी के उपयोग के माध्यम से काफी हद तक कम की जा सकती हैं।