28108 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि एक मॉडल के रिप्रजेंटेशनल प्रक्षेपवक्र (representational trajectory) का ज्यामितीय वक्रता (geometric curvature)—कि वह प्रोसेसिंग के दौरान कितना "मुड़ता" है—लार्ज लैंग्वेज मॉडल्स की प्रेडिक्टिव अनसर्टेन्टी (एन्ट्रॉपी) के साथ सीधे तौर पर सह-संबंधित है और इसका उपयोग उसे नियंत्रित करने के लिए किया जा सकता है।
यह शोध पत्र "हाइंडसाइट प्रेफरेंस ऑप्टिमाइज़ेशन" का प्रस्ताव करता है, जो एक ऐसी विधि है जो देखे गए वित्तीय परिणामों का उपयोग करती है ताकि एक भाषा मॉडल को डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (DPO) के माध्यम से पूर्वव्यापी रूप से भविष्य कहने वाली सलाहों को रैंक और संरेखित करने की अनुमति मिल सके, जिससे एक छोटा 4B मॉडल एक बहुत बड़े 235B शिक्षक मॉडल की तुलना में सटीकता और सलाहकार गुणवत्ता दोनों में बेहतर प्रदर्शन कर पाता है।
यह शोध पत्र इटरेटिव रिफाइनमेंट ऑफ टेक्स्टुअल डायरेक्शंस (IRTD) का प्रस्ताव करता है, जो एक सरल विधि है जो स्थिर प्रारंभिक कोड के लिए टेक्स्टुअल डायरेक्शंस को पुनरावृत्ति से परिष्कृत करके अत्याधुनिक (state-of-the-art) कोड सुधार प्रदर्शन प्राप्त करती है, जो स्कैटरड फॉरेस्ट सर्च जैसे जटिल खोज-आधारित तरीकों की तुलना में अधिक कुशल और सैद्धांतिक रूप से सुरक्षित विकल्प प्रदान करती है।
यह शोध पत्र CT-FineBench प्रस्तुत करता है, जो एक नवीन नैदानिक निष्ठा बेंचमार्क है जो CT रिपोर्ट जनरेशन की सूक्ष्म-स्तरीय तथ्यात्मक निरंतरता का मूल्यांकन करने के लिए एक संरचित प्रश्न-उत्तर ढांचे का उपयोग करता है, जो पारंपरिक लेक्सिकल मेट्रिक्स की तुलना में विशेषज्ञ नैदानिक आकलन के साथ बेहतर सहसंबंध प्रदर्शित करता है।
यह शोधपत्र IntentVLM को प्रस्तुत करता है, जो फॉरवर्ड-इनवर्स मॉडलिंग से प्रेरित एक नवीन दो-चरणीय वीडियो-भाषा ढांचा है, जो कार्य को लक्ष्य उम्मीदवार पीढ़ी और संरचित चयन में विभाजित करके ओपन-वोकेबुलरी मानव इरादा पहचान (human intention recognition) में अत्याधुनिक परिणाम प्राप्त करता है, जिससे मतिभ्रम (hallucinations) में उल्लेखनीय कमी आती है और मानव प्रदर्शन के समान स्तर तक पहुँचता है।
मल्टी-टर्न एजेंट ट्रेनिंग में संचयी त्रुटियों (compounding errors) के कारण होने वाली "ट्रैजेक्टरी-लेवल KL अस्थिरता" की समस्या को संबोधित करने के लिए, यह शोध पत्र **TCOD (टेम्पोरल करिकुलम ऑन-पॉलिसी डिस्टिलेशन)** का प्रस्ताव करता है, जो एक करिकुलम शेड्यूल के माध्यम से छात्र मॉडल (student model) को उजागर की जाने वाली ट्रैजेक्टरी की गहराई को क्रमिक रूप से बढ़ाकर प्रशिक्षण को स्थिर करता है और प्रदर्शन में सुधार करता है।
यह शोध पत्र QED को प्रस्तुत करता है, जो एक ओपन-सोर्स मल्टी-एजेंट सिस्टम है जिसे एक विशेष आर्किटेक्चर का उपयोग करके LLM बेंचमार्क प्रदर्शन और अनुसंधान-स्तरीय गणित के बीच के अंतर को पाटने के लिए डिज़ाइन किया गया है जो सात विशिष्ट विफलता मोडों को संबोधित करता है, और इसने एप्लाइड एनालिसिस और PDEs में पांच विशेषज्ञ-प्रदत्त खुले प्रश्नों में से तीन के लिए मौलिक और गैर-तुच्छ प्रमाण सफलतापूर्वक उत्पन्न किए हैं।
यह शोध पत्र शेड्यूलिंग-स्ट्रक्चरल-लॉजिकल (SSL) प्रतिनिधित्व प्रस्तुत करता है, जो एजेंट कौशल के लिए एक नवीन संरचित ढांचा है जो शेड्यूलिंग, निष्पादन और तार्किक साक्ष्य को अलग करता है ताकि स्किल डिस्कवरी और रिस्क असेसमेंट कार्यों में टेक्स्ट-ओनली बेसलाइन्स की तुलना में काफी बेहतर प्रदर्शन किया जा सके।
एजेंटपल्स (AgentPulse) एक निरंतर, बहु-संकेत मूल्यांकन ढांचे को पेश करता है जो वास्तविक तैनाती परिदृश्यों में एआई एजेंटों के प्रदर्शन और प्रभाव का समग्र मूल्यांकन प्रदान करने के लिए एडॉप्शन (adoption), कम्युनिटी और इकोसिस्टम स्रोतों से रीयल-टाइम डेटा को एकत्रित करके स्टेटिक बेंचमार्क का पूरक बनता है।
यह शोध पत्र यह पहचानता है कि विभिन्न टेबल सीरियलाइजेशन फॉर्मेट (जैसे CSV या HTML) असंगत रिट्रीवल परिणाम उत्पन्न करते हैं और सेंट्रॉइड-एवरेज्ड रिप्रेजेंटेशन और सिंगल-फॉर्मेट एम्बेडिंग्स को एक स्थिर, फॉर्मेट-इनवेरिएंट सिमेंटिक सिग्नल के साथ संरेखित करने के लिए एक लाइटवेट एडॉप्टर का उपयोग करके मजबूती में सुधार करने की एक विधि प्रस्तावित करता है।