cs.AI

Hierarchical Fault Detection and Diagnosis for Transformer Architectures

Benchmarking Open-Weight Foundation Models for Global AI Technical Governance

यह अध्ययन एक परिष्कृत पांच-श्रेणी वाली प्रतिक्रिया वर्गीकरण योजना का उपयोग करके, 227 देशों में मॉडल प्रदर्शन के बीच असमानताओं को सटीक रूप से मापने और विश्लेषण करने के लिए एक सत्यापित ग्राउंड-ट्रुथ डेटासेट (GAID v2) के विरुद्ध चार ओपन-वेट फाउंडेशन मॉडलों का बेंचमार्किंग करके, एआई में भौगोलिक पूर्वाग्रह पर मौजूदा शोध में पद्धतिगत सीमाओं को संबोधित करता है।

Know2Guess: A Contamination-Aware Multi-Zone Benchmark for Knowledge-Boundary Evaluation in Large Language Models

यह शोधपत्र Know2Guess प्रस्तुत करता है, जो एक संदूषण-जागरूक (contamination-aware) मल्टी-ज़ोन बेंचमार्क है जिसे समर्थित उत्तरों और अज्ञात विषयों पर परहेज (abstentions) के बीच अंतर करने की लार्ज लैंग्वेज मॉडल्स की क्षमता का कड़ाई से मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि हालांकि वर्तमान मॉडल्स में चयनात्मक परहेज की कुछ क्षमता दिखाई देती है, फिर भी वे अंशांकन (calibration) और सौम्य-वस्तु अस्वीकृति (benign-item refusal) के मामले में संघर्ष करते हैं।

Helpfulness Hurts: Domain-Dependent Degradation of Mid-Trained Compassion Values Under Post-Training

यह शोध पत्र प्रदर्शित करता है कि सहायक डेटा (helpfulness data) पर भाषा मॉडलों को पोस्ट-ट्रेनिंग देना, कोडिंग-केंद्रित प्रशिक्षण की तुलना में मिड-ट्रेन्ड पशु करुणा मूल्यों और सामान्य नैतिक तर्क को महत्वपूर्ण रूप से कम कर देता है, जबकि यह भी प्रकट करता है कि ये करुणा मूल्य डोमेन-विशिष्ट पोस्ट-ट्रेनिंग से प्राप्त तर्क सुधारों की तुलना में भाषाओं के बीच अधिक मजबूती से एनकोडेड हैं।

Investigating LLM's Problem Solving Capability -- a Study on Statics Questions

यह अध्ययन मॉडल डिस्टिलेशन दृष्टिकोण के माध्यम से स्टेटिक्स (स्थिरता) की समस्याओं को हल करने में लार्ज लैंग्वेज मॉडल्स की क्षमताओं का मूल्यांकन करता है, जो यह प्रकट करता है कि जबकि वे केवल टेक्स्ट वाले प्रश्नों पर अच्छा प्रदर्शन करते हैं, जब आरेखों और बहु-चरणीय तर्क की आवश्यकता होती है तो उनकी सटीकता काफी घट जाती है क्योंकि वे इमेज रिकग्निशन (छवि पहचान) की सीमाओं के बजाय विजुअल जानकारी को लगातार लागू करने में चुनौतियों का सामना करते हैं।

Assert, don't describe: Linguistic features that shift LLM reasoning about animal welfare

यह शोध पत्र प्रदर्शित करता है कि जब पशु-कल्याण संबंधी ग्रंथों का उपयोग भाषा मॉडलों को फाइन-ट्यून करने के लिए किया जाता है, तो मुखर भाषाई विशेषताएं (जैसे कि निश्चितता, नैतिक शब्दावली और भावना) मॉडल के पशु-कल्याण समर्थक तर्क को महत्वपूर्ण रूप से सुदृढ़ करती हैं, जबकि वर्णनात्मक या संदेहात्मक भाषा इस रुख को कमजोर कर देती है।

Context Recycling for Long-Horizon LLM Inference

यह शोध पत्र ContextForge को प्रस्तुत करता है, जो एक ऐसी प्रणाली है जो संरचित क्वेरी जनरेशन, बाहरी मेमोरी रिट्रीवल और नियंत्रित सिंथेसिस के माध्यम से कार्य-प्रासंगिक जानकारी को पुनर्चक्रित (recycle) करके लॉन्ग-होरिज़न LLM इन्फरेंस को बेहतर बनाती है, जिससे बड़े कॉन्टेक्स्ट विंडो या मॉडल रिट्रेनिंग की आवश्यकता के बिना टोकन खपत को कम किया जाता है और सटीकता बनाए रखी जाती है।

Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

यह शोध पत्र यह प्रदर्शित करता है कि अहिंसक संचार (Nonviolent Communication) के सिद्धांतों पर आधारित हल्के प्रॉम्प्ट-स्तरीय प्रतिबंधों को लागू करना, भावनात्मक रूप से आवेशित संघर्ष वाले परिदृश्यों में बड़े भाषा मॉडलों (large language models) और प्रतिरोधी उपयोगकर्ताओं के बीच संवादात्मक वृद्धि (conversational escalation) को प्रभावी ढंग से कम करता है और अंतःक्रियाओं को स्थिर करता है।

Low Resource Multimodal Translation of Nepali Spoken Words into Emotion-Conditioned Sign Language Avatars

यह पायलट अध्ययन NEST-V1 को पेश करता है, जो एक हल्का, भावना-आधारित मल्टीमॉडल फ्रेमवर्क है जो बोले गए इनपुट से नेपाली सांकेतिक भाषा के अवतारों को उच्च सटीकता के साथ सफलतापूर्वक उत्पन्न करता है, जो स्पीच रिकग्निशन और इमोशन क्लासिफिकेशन दोनों में, कम संसाधन वाले परिवेश में वास्तविक समय में, भावनात्मक रूप से अभिव्यंजक सांकेतिक भाषा अनुवाद के लिए एक व्यवहार्य मार्ग प्रदर्शित करता है।

Generative AI and Copyright Infringement: A Legal-Technical Analysis of AI Music Generation Systems Under 17 U.S.C. Title 17

यह शोध पत्र अमेरिकी कॉपीराइट कानून के तहत एआई (AI) संगीत निर्माण का एक कानूनी-तकनीकी विश्लेषण प्रदान करता है, जिसमें यह तर्क दिया गया है कि जहाँ अनधिकृत गीत प्रतिलिपि बनाना स्पष्ट रूप से संघीय अधिकारों का उल्लंघन करता है, वहीं आवाज़ की नकल मुख्य रूप से राज्य के पब्लिसिटी अधिकारों (publicity rights) को प्रभावित करती है क्योंकि संघीय साउंड रिकॉर्डिंग संरक्षण में अंतराल मौजूद हैं, जिसके लिए नए नियामक ढाँचों की आवश्यकता है।