28108 पेपर
यह शोध पत्र स्केलेबल पेशेंट-ट्रायल मैचिंग के लिए एक लाइटवेट फ्रेमवर्क का प्रस्ताव करता है जो लंबे EHRs से प्रासंगिक क्लिनिकल सेगमेंट निकालने के लिए रिट्रीवल-ऑगमेंटेड जनरेशन को LLM-आधारित मॉडलिंग और लाइटवेट प्रेडिक्टर्स के साथ जोड़ता है, जिससे काफी कम लागत पर कंप्यूटेशनल रूप से महंगे एंड-टू-एंड LLM दृष्टिकोणों के तुलनीय प्रदर्शन प्राप्त होता है।
GradsSharding ग्रेडिएंट टेंसरों को छोटे शार्ड्स में विभाजित करके सर्वरलेस प्लेटफॉर्म पर मनमाने रूप से बड़े फेडरेटेड लर्निंग मॉडल्स के एकत्रीकरण को सक्षम बनाता है, जिससे उन प्रति-फंक्शन मेमोरी सीमाओं पर काबू पाया जा सकता है जो मौजूदा आर्किटेक्चर को बाधित करती हैं।
यह शोध पत्र तर्क देता है कि एलएलएम-आधारित वैज्ञानिक एजेंटों को केवल विश्वसनीय लेकिन अपुष्ट आख्यान उत्पन्न करने से रोकने के लिए, उन्हें ऐसे उपकरणों से परिवर्तित किया जाना चाहिए जो सम्मोहक दावे गढ़ने के बजाय उन दावों को गलत सिद्ध करने के लिए डिज़ाइन किए गए प्रतिकूल प्रयोगों को प्राथमिकता देते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि कमजोर प्रदर्शनों (weak demonstrations) पर सुपरवाइज्ड फाइन-ट्यूनिंग को सुदृढीकरण शिक्षण (reinforcement learning) के साथ संयोजित करना एलएलएम (LLMs) में "सैंडबैगिंग" व्यवहार को प्रभावी ढंग से कम कर सकता है, बशर्ते कि प्रशिक्षण प्रक्रिया वास्तविक तैनाती (actual deployment) के समान हो।
यह शोध पत्र "एथिक्स टेस्टिंग" (नैतिकता परीक्षण) की नवीन अवधारणा प्रस्तुत करता है, जो एक व्यवस्थित पद्धति है जिसे जनरेटिव एआई प्रणालियों द्वारा उत्पन्न सामग्री के भीतर अनैतिक व्यवहार और बौद्धिक संपदा उल्लंघन जैसे विभिन्न सॉफ्टवेयर नुकसानों को सक्रिय रूप से पहचानने और खोजने के लिए डिज़ाइन किया गया है।
यह शोधपत्र "स्वतःस्फूर्त अनुनय" (स्पोंटेनियस परसुएशन) की अवधारणा प्रस्तुत करता है ताकि यह ऑडिट किया जा सके कि लार्ज लैंग्वेज मॉडल्स रोज़मर्रा की बातचीत के दौरान अनपेक्षित अनुनय रणनीतियों—मुख्य रूप से तर्क और साक्ष्य—का उपयोग कैसे करते हैं, जिसमें यह पाया गया है कि हालांकि एलएलएम (LLMs) मनुष्यों की तुलना में अधिक बार और वस्तुनिष्ठ रूप से अनुनय करते हैं, फिर भी वे लोगों द्वारा उपयोग किए जाने वाले सामाजिक-प्रभाव-आधारित दृष्टिकोणों के बजाय अलग मनोवैज्ञानिक युक्तियों पर निर्भर करते हैं।
यह शोध पत्र "PermaFrost-Attack" को पेश करता है, जो एक नवीन स्टेल्थ प्रीट्रेनिंग सीडिंग (SPS) विधि है जो वेब पर बिखरे हुए अत्यंत सूक्ष्म, सौम्य दिखने वाले ज़हरीले पेलोड को प्रशिक्षण के दौरान अवशोषित करने के लिए बड़े भाषा मॉडलों में सुप्त "लॉजिक लैंडमाइन्स" (तर्क संबंधी बारूद के ढेर) को समाहित करती है, और इन अंतर्निहित कमजोरियों का पता लगाने के लिए ज्यामितीय निदान (जियोमेट्रिक डायग्नोस्टिक्स) के एक समूह का प्रस्ताव देता है।
यह शोध पत्र ESRRSim को प्रस्तुत करता है, जो एक वर्गीकरण-संचालित स्वचालित ढांचा है जिसे जटिल परिदृश्यों और दोहरी-रूब्रिक मूल्यांकनों को उत्पन्न करके लार्ज लैंग्वेज मॉडल्स में "इमर्जेंट स्ट्रैटेजिक रीजनिंग रिस्क" (ESRRs)—जैसे कि धोखेबाजी और इवैल्यूएशन गेमिंग—का व्यवस्थित रूप से मूल्यांकन करने के लिए डिज़ाइन किया गया है।
प्रमुख एआई मॉडलों के एक क्रॉस-कल्चरल ऑडिट से पश्चिमी व्यक्तिवादी मूल्यों की ओर एक व्यवस्थित पूर्वाग्रह का पता चलता है, जो कई गैर-पश्चिमी समाजों के वास्तविक सामूहिकतावादी मानदंडों से काफी भिन्न सलाह प्रदान करता है।
कॉ मैटर (Matter) एक एकीकृत जनरेटिव फ्रेमवर्क का प्रस्ताव करता है जो मानव दृश्य धारणा की नकल करते हुए गति संकेतों और उपस्थिति विशेषताओं को कणों और समूहों में पदानुक्रमित रूप से समूहीकृत करता है, ताकि यादृच्छिक बिंदुओं से लेकर प्राकृतिक RGB वीडियो तक विविध सेटिंग्स में स्वतंत्र रूप से चलने वाली भौतिक संस्थाओं को मजबूती से खंडित और ट्रैक किया जा सके।