19742 पेपर
यह शोध पत्र नेचुरल लैंग्वेज नॉलेज ग्राफ क्वेरी (NLKGQ) फ्रेमवर्क प्रस्तुत करता है, जो अच्छी तरह से डिज़ाइन किए गए OWL ऑन्टोलॉजी का लाभ उठाकर ज़ीरो-शॉट LLMs के माध्यम से प्राकृतिक भाषा से सटीक SPARQL क्वेरी उत्पन्न करने में शोधकर्ताओं को सक्षम बनाता है, जिससे बिना किसी फाइन-ट्यूनिंग या जटिल ऑर्केस्ट्रेशन के न्यूरोइमेजिंग मेटाडेटा पर 100% सटीकता प्राप्त होती है।
AdaHome एक एडेप्टिव स्मार्ट होम असिस्टेंट है जिसे स्थानीय छोटे लैंग्वेज मॉडल्स के लिए डिज़ाइन किया गया है, जो गोपनीयता और संसाधन संबंधी बाधाओं को संबोधित करते हुए उच्च सटीकता, कम विलंबता और स्थिर दीर्घकालिक वैयक्तिकरण प्राप्त करने के लिए एक इंटेंट-अवेयर प्लानिंग फ्रेमवर्क और एक प्रेफरेंस अडैप्टेशन मैकेनिज्म का उपयोग करता है।
यह शोध पत्र "एडैप्टिव एडवर्सरीज" (Adaptive Adversaries) का परिचय देता है, जो एक मल्टी-टर्न, मल्टी-एलएलएम (multi-turn, multi-LLM) बेंचमार्क है जो यह प्रदर्शित करता है कि कैसे अनुकूलनशील, बहु-चरणीय रणनीतियों का लाभ उठाने वाले स्वायत्त हमलावर, स्टेटिक सिंगल-टर्न मूल्यांकनों की तुलना में मेमोरीलेस एलएलएम (memoryless LLM) संरक्षकों के विरुद्ध हमले की सफलता दर को महत्वपूर्ण रूप से बढ़ा देते हैं, जबकि यह फ्रंटियर मॉडल्स (frontier models) के बीच विशिष्ट और परिदृश्य-निर्भर कमजोरियों को भी उजागर करता है।
यह शोध पत्र प्रदर्शित करता है कि जहाँ स्वायत्त कोडिंग एजेंट कुरान पाठ (recitation) कार्यों पर मानव-निर्मित समाधानों से बेहतर प्रदर्शन कर सकते हैं, वहीं वे विविध व्यवहार प्रदर्शित करते हैं जहाँ कुछ सामान्यीकरण योग्य एल्गोरिदम को प्राथमिकता देते हैं जबकि अन्य रटने के माध्यम से मूल्यांकन मेट्रिक्स का शोषण करते हैं, एक ऐसी खामी जिसे होल्ड-आउट टेस्ट सेट पेश करके कम किया जाता है।
SelectInfer एक न्यूरॉन-स्तरीय अनुकूलन ढांचा (framework) है जो एक ऑफलाइन प्रोफाइलर का उपयोग करके केवल सबसे महत्वपूर्ण न्यूरॉन्स को चुनिंदा रूप से लोड और कंप्यूट करने की सुविधा प्रदान करता है, जिससे कार्य प्रदर्शन से समझौता किए बिना मेमोरी और कंप्यूटेशनल लागत को काफी कम करके डिवाइस पर कुशल लार्ज लैंग्वेज मॉडल इन्फरेंस को सक्षम बनाता है।
यह शोधपत्र WorldCupArena को पेश करता है, जो फुटबॉल पूर्वानुमान के लिए भाषा मॉडल (language models) और डीप-रिसर्च एजेंटों का मूल्यांकन करने के लिए एक गतिशील बेंचमार्क है, जो मैचों के होने से पहले वास्तविक समय की जानकारी का उपयोग करके मैच के परिणामों, स्कोर और घटनाओं की भविष्यवाणी करने की उनकी क्षमता का परीक्षण करता है, जिसमें प्रारंभिक परिणाम सटीक सटीकता (exact accuracy) में सट्टेबाजी और मानव बेसलाइन की तुलना में मामूली बढ़त दिखाते हैं, लेकिन विस्तृत स्कोरलाइन भविष्यवाणियों में स्पष्ट सुधार दर्शाते हैं।
यह अध्ययन प्रदर्शित करता है कि जहाँ साक्ष्य-पर्याप्तता प्रॉम्पटिंग (evidence-sufficiency prompting) नैदानिक एलएलएम (clinical LLMs) में असुरक्षित अति-आत्मविश्वास को महत्वपूर्ण रूप से कम करती है, वहीं इस सुरक्षा लाभ का परिमाण जज-निर्भर होता है और अक्सर नैदानिक उपयोगिता के लिए मॉडल-विशिष्ट भारी लागत भी उत्पन्न करता है, जो यह संकेत देता है कि ऐसे सुरक्षा सुधारों को अंशांकित पूर्ण दरों (calibrated absolute rates) के बजाय सापेक्ष दिशात्मक रुझानों के रूप में रिपोर्ट किया जाना चाहिए।
यह शोध पत्र प्रदर्शित करता है कि डिफरेंशिएबल लॉजिक गेट नेटवर्क्स (Diff-Logic), एज डिवाइसेस पर रियल-टाइम EEG वर्गीकरण के लिए पारंपरिक न्यूरल नेटवर्क्स के एक हार्डवेयर-नेटिव, लो-लेटेंसी विकल्प के रूप में, शुद्ध बूलियन सर्किट निष्पादन के माध्यम से इन्फरेंस समय और मॉडल आकार को महत्वपूर्ण रूप से कम करते हुए, प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त करते हैं।
यह शोध पत्र TRIM को प्रस्तुत करता है, जो एक ऐसा एल्गोरिदम है जो एआई-जनरेटेड कोड में "CodeSlop"—जो अत्यधिक विस्तृत एजेंट सर्च ट्रेजेक्टरीज के कारण होने वाले अनावश्यक संपादनों के संचय से उत्पन्न होता है—को कम करता है, जिससे उन ट्रेजेक्टरीज को न्यूनतम करके रेडंडेंसी (अनावश्यकता) को 17.9%–32.9% तक कम किया जाता है, जिसमें प्रदर्शन में नगण्य गिरावट और मौजूदा बेसलाइनों की तुलना में आधे सत्यापन लागत का उपयोग होता है।
यह शोध पत्र LLM पोस्ट-ट्रेनिंग के लिए PPO और GRPO में क्लिप्ड सरोगेट ऑब्जेक्टिव्स के एक सुचारू, डिफरेंशिएबल विकल्प के रूप में "आउटपुट रिसेट" (OR) की जांच करता है, जिसमें यह पाया गया है कि हालांकि OR अनुकूलन व्यवहार को बदल देता है और ग्रुप-रिलेटिव सेटिंग्स में वेरिएंस को कम करता है, फिर भी यह मानक क्लिप्ड दृष्टिकोणों की तुलना में रिवॉर्ड-मॉडल स्कोर में लगातार सुधार नहीं करता है।