21236 पेपर
HARD-KV एक एकीकृत ढांचा है जो कैस्केड कैश पदानुक्रम (Cascade Cache hierarchy), लॉजिट्स कैलिब्रेशन (Logits Calibration) और एक सिस्टम-स्तरीय लेआउट रीराइटिंग तंत्र को पेश करके डायनेमिक, हेड-एडेप्टिव KV संपीड़न और रिजिड इन्फरेंस इंजन बाधाओं के बीच के संघर्ष को हल करता है, जिससे लंबे-संदर्भ वाले परिदृश्यों में उच्च-फिडेलिटी जनरेशन बनाए रखते हुए 2 तक थ्रूपुट सुधार प्राप्त होता है।
यह शोध पत्र पहला व्यापक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि विभिन्न भाषाओं में गैर-प्रतिकूल (non-adversarial) डेटा के साथ बड़े भाषा मॉडलों का सौम्य फाइन-ट्यूनिंग (benign fine-tuning), विषम और विच्छेदित (decoupled) सुरक्षा विचलन का कारण बनता है, जो अक्सर काफी बढ़ी हुई प्रतिकूल अनुपालन दरों की ओर ले जाता है जिन्हें केवल अंग्रेजी-केंद्रित मूल्यांकनों द्वारा नहीं पकड़ा जा सकता है।
यह शोध पत्र विषम अंतरिक्ष उड़ान जैविक डेटा को FAIR-अनुपालन से AI-तैयार और अंतरिक्ष-तैयार स्वरूपों में बदलने के लिए एक त्रि-स्तरीय ढांचे का प्रस्ताव करता है, जो AI-संचालित गहरे अंतरिक्ष अन्वेषण के लिए आवश्यक विश्वसनीय बुनियादी ढांचे को नियंत्रित करने हेतु एक तटस्थ अंतर्राष्ट्रीय समन्वय निकाय की वकालत करता है।
यह शोध पत्र यह प्रस्तावित करता है कि एलाइनमेंट फेकिंग (alignment faking) और बेंचमार्क गेमिंग (benchmark gaming) जैसी विविध एआई सुरक्षा विफलताएं एक एकल संरचनात्मक तंत्र से उत्पन्न होती हैं जिसे "डिफ़ीट डिवाइस" (defeat device) कहा जाता है—जिसमें संदर्भ का पता लगाना (context detection), छिपा हुआ व्यवहार परिवर्तन (concealed behavioral swaps) और प्रदर्शन अंतराल (performance gaps) शामिल हैं—जो कि फ्रंटियर सिस्टम्स में स्वाभाविक रूप से उभर सकते हैं और जिनके लिए नए फोरेंसिक डिटेक्शन प्रोटोकॉल और शासन रणनीतियों की आवश्यकता है।
971 प्रथम वर्ष के कंप्यूटिंग छात्रों पर आधारित यह अध्ययन दर्शाता है कि प्रोग्रामिंग अभ्यासों के लिए विविध, बहु-परिप्रेक्ष्य वाले LLM-जनित स्पष्टीकरण प्रदान करने से सामान्य स्पष्टीकरणों की तुलना में ओपन-एंडेड प्रतिक्रिया सटीकता में 7.7% का सुधार होता है, और इससे कथित संज्ञानात्मक भार (कॉग्निटिव लोड) में कोई वृद्धि नहीं होती है।
यह शोध पत्र GRAB को प्रस्तुत करता है, जो एक कुशल पाइपलाइन है जो विषम ग्राफों (heterogeneous graphs) को क्वेरी-सशर्त लेटेंट टोकन में एनकोड करके फ्रोजन लार्ज लैंग्वेज मॉडल्स को रिलेशनल डेटा से जोड़ता है, जिससे केवल एक हल्के 91M पैरामीटर वाले मॉड्यूल को प्रशिक्षित करके मल्टी-टेबल प्रश्न उत्तर प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र सीमित-जटिलता वाले बूलियन ऑटोएनकोडर्स (Boolean autoencoders) के अस्तित्व के आधार पर "मशीन-लर्नेबल" (machine-learnable) असतत समुच्चयों की एक औपचारिक परिभाषा प्रस्तुत करता है, जो प्रयोगों के माध्यम से यह प्रदर्शित करता है कि ऐसे समुच्चयों में रोर्शाक पैटर्न (Rorschach patterns) शामिल हैं और उन्हें एक सरल पुनरावृत्ति प्रक्रिया के माध्यम से "वाइल्ड" (wild) समुच्चयों से विकसित किया जा सकता है।
यह शोध पत्र मॉडिफिकेशन-कंसीडरिंग वैल्यू लर्निंग (MCVL) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो एक फ्रोजन बूटस्ट्रैप्ड-रिटर्न एस्टीमेटर के आधार पर प्रशिक्षण ट्रांज़िशन को फ़िल्टर करके सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) में रिवॉर्ड हैकिंग को कम करता है ताकि यह सुनिश्चित हो सके कि अपडेट इच्छित उद्देश्य में सुधार करते हैं बिना सुरक्षा से समझौता किए।
30 विशिष्टताओं के 149 चिकित्सकों द्वारा किए गए एक ब्लाइंड मूल्यांकन से पता चलता है कि एक विशेषीकृत क्लिनिकल एआई टूल वास्तविक दुनिया के पॉइंट-ऑफ-केयर प्रश्नों पर तीन फ्रंटियर सामान्य-उद्देश्य वाले लार्ज लैंग्वेज मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करता है, जो मेडिकल एआई के मूल्यांकन के लिए विशेषज्ञ जजों और प्रामाणिक क्लिनिकल डेटा के उपयोग के महत्वपूर्ण महत्व को रेखांकित करता है।
यह शोध पत्र OvESyn को प्रस्तुत करता है, जो एक नवीन ढांचा है जो इमेजिंग डिस्क्रिप्टर्स और मेटाडेटा से मानकीकृत नैदानिक रिपोर्टों का निर्माण करके डिम्बग्रंथि कैंसर (ओवेरियन कैंसर) के लिए उच्च-निष्ठा वाले, टेक्स्ट-कंडीशन्ड 3D CT स्कैन उत्पन्न करता है, जिससे मूल रेडियोलॉजी रिपोर्ट की आवश्यकता के बिना एब्डोमिनो-पेल्विक ऑन्कोलॉजी में डेटा की कमी और गोपनीयता संबंधी बाधाओं को दूर किया जा सके।