21916 पेपर
यह शोध पत्र 'थियोरिया' (Theoria) का परिचय देता है, जो एक ऐसा सत्यापन आर्किटेक्चर है जो समाधानों को स्पष्ट औचित्यों के साथ ऑडिट योग्य, टाइप किए गए स्टेट ट्रांज़िशन (state transitions) में पुनर्गठित करके एआई उत्तरों की विश्वसनीयता को बढ़ाता है, जिससे यह छिपे हुए आधारों और काल्पनिक उद्धरणों का पता लगाने में समग्र एलएलएम (LLM) जजों से बेहतर प्रदर्शन करता है और विशेषज्ञ-स्तरीय समस्याओं पर उच्च सटीकता बनाए रखता है।
यह शोध पत्र एक भाषा-आलोचना अनुकरण शिक्षण (language-critique imitation learning) ढांचे का प्रस्ताव करता है जो प्रगति, विफलताओं और सुधारों को स्पष्ट रूप से वर्णित करने के लिए संरचित प्राकृतिक भाषा फीडबैक का लाभ उठाता है, जिससे नीतियां उप-इष्टतम प्रदर्शनों (suboptimal demonstrations) से सीखते समय मौजूदा विधियों से बेहतर प्रदर्शन कर पाती हैं और अभिव्यंजक संकेतों को स्केलर मानों में सिमटने से बचा पाती हैं।
यह शोध पत्र एक बड़े पैमाने के मूल्यांकन ढांचे और एक द्वि-अक्षीय वर्गीकरण को प्रस्तुत करता है जो यह प्रदर्शित करता है कि हालांकि वर्तमान LLM तर्कसंगत अनुसंधान विचार उत्पन्न कर सकते हैं, लेकिन उनका आउटपुट वितरण मानव शोधकर्ताओं की व्यापक और अधिक विविध अनुसंधान रुचि की तुलना में व्यवस्थित रूप से संकीर्ण है और ब्रिज-जैसे अवसरों तथा संश्लेषण विधियों पर अधिक केंद्रित है।
यह शोध पत्र पहले प्रमाणित रूप से सुदृढ़ ऑफलाइन सुदृढीकरण शिक्षण (RLHF) एल्गोरिदम प्रस्तुत करता है जो कॉन्फिडेंस सेट्स के साथ रिवॉर्ड मॉडल सीखकर और करप्शन-रोबस्ट आरएल ओरेकल्स के माध्यम से पेसिमिस्टिक ऑप्टिमाइज़ेशन का लाभ उठाकर, -हिस्से वाले दूषित ट्राजेक्टरी-फीडबैक पेयर्स वाले डेटासेट से निकट-इष्टतम नीतियों की पहचान कर सकते हैं।
यह शोध पत्र एआई-जनित सामग्री पर प्रशिक्षण के कारण होने वाली मॉडल कोलैप्स (model collapse) की घटना की जांच करता है, परप्लेक्सिटी (perplexity) को क्षय के एक प्रमुख चालक के रूप में पहचानता है, और एक स्केलेबल, मॉडल-अंतर्निहित फ़िल्टरिंग रणनीति प्रस्तावित करता है जो मानव-लिखित डेटा तक पहुंच की आवश्यकता के बिना प्रभावी ढंग से कोलैप्स को कम करने के लिए उच्च-आश्चर्य (high-surprise) वाले दस्तावेज़ों को प्राथमिकता देता है।
यह शोध पत्र मेंंटिस (Mantis) का परिचय देता है, जो एक ट्रांसफॉर्मर-आधारित फाउंडेशन मॉडल है जो टाइम सीरीज़ क्लासिफिकेशन के लिए सिंथेटिक प्री-ट्रेनिंग, एक नवीन टोकनाइज़ेशन रणनीति और उन्नत टेस्ट-टाइम तकनीकों का लाभ उठाकर विविध डोमेन में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक बजट-अनुकूल, दो-चरणीय मतिभ्रम (hallucination) पहचान एल्गोरिदम का प्रस्ताव करता है जो उच्च पहचान प्रदर्शन बनाए रखते हुए कम्प्यूटेशनल लागत को महत्वपूर्ण रूप से कम करने के लिए सेल्फ-कंसिस्टेंसी (self-consistency) को क्रॉस-मॉडल कंसिस्टेंसी (cross-model consistency) जांचों के साथ गतिशील रूप से संयोजित करता है, जिसे अनुभवजन्य परिणामों और एक ज्यामितीय सैद्धांतिक व्याख्या दोनों द्वारा समर्थित किया गया है।
यह शोध पत्र 2023 के अंत में 262 जर्मन खेल छात्रों पर किए गए एक मात्रात्मक सर्वेक्षण के निष्कर्ष प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ छात्र अपने शैक्षणिक प्रदर्शन और पाठ्यक्रम को बढ़ाने के लिए जेनरेटिव एआई उपकरणों का उपयोग करने में अत्यधिक रुचि रखते हैं और उनके प्रति आशावादी हैं, वहीं वे साथ ही साथ साहित्यिक चोरी, व्याख्याताओं की तैयारी और अपने स्वयं के भविष्य के कौशल विकास के संबंध में महत्वपूर्ण चिंताओं को भी रखते हैं।
यह शोध पत्र SAGE को प्रस्तुत करता है, जो एक सर्च-ऑगमेंटेड फ्रेमवर्क है जो मुक्त-रूप (free-form) प्रश्नों पर लार्ज लैंग्वेज मॉडल्स की तथ्यात्मकता का मूल्यांकन करने के लिए बाहरी साक्ष्यों को सक्रिय रूप से पुनर्प्राप्त और संश्लेषित करता है, जो स्थिर संदर्भ-आधारित या अविश्वसनीय LLM-एज़-ए-जज मूल्यांकन विधियों के एक स्केलेबल और अनुकूलन योग्य विकल्प के रूप में कार्य करता है।
TraCeS एक सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो ज्ञात लागत फलन (cost function) या थ्रेशोल्ड की आवश्यकता के बिना, विरल प्रक्षेपवक्र-स्तर (sparse trajectory-level) के लेबल से प्रति-टाइमस्टेप सुरक्षा उल्लंघन क्रेडिट सीखता है, जिससे निरंतर-नियंत्रण कार्यों में बाधा संतुष्टि और फीडबैक दक्षता में सुधार होता है।