28108 पेपर
यह शोध पत्र "मैथ टेक्स टू" (Math Takes Two) का परिचय देता है, जो एक नया बेंचमार्क है जिसे यह मूल्यांकन करने के लिए डिज़ाइन किया गया है कि क्या भाषा मॉडल वास्तविक उभरती हुई गणितीय तर्क क्षमता प्रदर्शित कर सकते हैं, जिसमें दो एजेंटों को प्रथम सिद्धांतों से दृश्य रूप से आधारित समस्याओं को हल करने के लिए एक साझा प्रतीकात्मक प्रोटोकॉल को सह-विकसित करने का कार्य दिया जाता है।
यह शोध पत्र प्रदर्शित करता है कि 1-3B पैरामीटर वाले कोड जनरेशन के लिए, एक सरल सेल्फ-रिफाइनमेंट लूप के माध्यम से निष्पादन फीडबैक (execution feedback) को शामिल करना, पाइपलाइन की जटिलता या आर्किटेक्चरल टोपोलॉजी बढ़ाने की तुलना में काफी अधिक प्रदर्शन लाभ प्रदान करता है।
PRISMA पद्धति का उपयोग करते हुए, यह व्यवस्थित समीक्षा आईटी परियोजना प्रबंधन में जनरेटिव एआई की वर्तमान स्थिति का अन्वेषण करती है, जिसमें यह पाया गया है कि अनुसंधान वर्तमान में एक खोजपूर्ण चरण में है जो GPT-आधारित प्रॉम्प्ट इंजीनियरिंग द्वारा प्रधान है और भविष्य की दिशाओं के रूप में विशेष एआई एजेंटों और मानव-एआई सहयोगात्मक नेटवर्क जैसे सुझाव देती है।
यह शोध पत्र GORED का प्रस्ताव करता है, जो एक सामान्य अनुकूलन सॉल्वर (optimization solver) है जो विविध अनुकूलन समस्याओं को स्वचालित रूप से MaxSAT उदाहरणों में कम करके समस्या-समाधान बहुमुखीता को बढ़ाता है, जिससे एक एकल एकीकृत ढांचा विशिष्ट एल्गोरिदम के तुलनीय समाधान गुणवत्ता प्राप्त करने में सक्षम होता है।
MONET एक नया मल्टी-टास्क ऑप्टिमाइज़ेशन एल्गोरिदम है जो कार्य स्थानों (task spaces) को ग्राफ के रूप में मॉडल करता है ताकि पड़ोसी कार्यों के बीच सामाजिक शिक्षण (social learning) और उत्परिवर्तन (mutation) के माध्यम से व्यक्तिगत परिशोधन के संयोजन द्वारा कुशल ज्ञान हस्तांतरण सक्षम किया जा सके, जो विभिन्न बड़े पैमाने के डोमेन में मौजूदा MAP-Elites-आधारित विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक दो-स्तरीय प्रमाणन ढांचे का प्रस्ताव करता है जो ज्ञान की गुणवत्ता के मूल्यांकन को मानवीय योगदान के मूल्यांकन से अलग करता है, जिससे शैक्षणिक प्रकाशनों को मानव भागीदारी के स्तर को ग्रेड देकर एआई-जनित अनुसंधान को पारदर्शी रूप से एकीकृत करने की अनुमति मिलती है।
यह शोध पत्र यह प्रदर्शित करता है कि LLM प्रॉम्प्ट संवेदनशीलता को "लेक्सिकल टास्क हेड्स" (lexical task heads) के सक्रियण स्तरों द्वारा समझाया जा सकता है—जो साझा आंतरिक तंत्र हैं जो इस बात पर निर्भर किए बिना कार्य का प्रतिनिधित्व करते हैं कि प्रॉम्प्ट निर्देशों का उपयोग करता है या उदाहरणों का—और प्रदर्शन की परिवर्तनशीलता इस बात से उत्पन्न होती है कि ये हेड्स प्रतिस्पर्धी प्रस्तुतियों (representations) द्वारा कितनी मजबूती से ट्रिगर या विरल (diluted) होते हैं।
यह शोध पत्र EgoMAGIC को प्रस्तुत करता है, जो एक बड़े पैमाने का एर्गोसेंट्रिक (egocentric) मेडिकल वीडियो डेटासेट है जिसे एक्शन डिटेक्शन, ऑब्जेक्ट आइडेंटिफिकेशन और एरर करेक्शन जैसे कार्यों के माध्यम से AR-एकीकृत वर्चुअल असिस्टेंट के विकास को समर्थन देने के लिए डिज़ाइन किया गया है।
H-Sets एक नवीन दो-चरणीय ढांचा है जो इनपुट हेसियन (Hessians) का उपयोग करके परस्पर क्रिया करने वाले पिक्सेल सेटों की पहचान करता है और अधिक निष्ठावान, सेट-स्तरीय सैलिएंसी स्पष्टीकरण प्रदान करने के लिए IDG-Vis का उपयोग करता है, जिससे इमेज क्लासिफायर में उच्च-क्रम की फीचर इंटरैक्शन की खोज और उनका निर्धारण किया जाता है।
CAT जावा प्रोजेक्ट्स के लिए एक नवीन LLM-आधारित टेस्ट जनरेशन दृष्टिकोण है जो कॉल-चेन और डिपेंडेंसी कॉन्टेक्स्ट को प्रॉम्प्ट्स में स्पष्ट रूप से शामिल करने के लिए स्टैटिक एनालिसिस का उपयोग करके कोड कवरेज में सुधार करता है।