19742 पेपर
यह शोध पत्र टोकन टाइम कंटीन्यूअस डिफ्यूजन (TTCD) प्रस्तुत करता है, जो एक निरंतर-स्थान (continuous-space) डिफ्यूजन लैंग्वेज मॉडल है जो शोर को टोकन में नियत रूप से मैप करने के लिए प्रति-टोकन टाइम शेड्यूलिंग का उपयोग करता है, जिससे मौजूदा डिस्क्रीट मॉडल्स की तुलना में कंडीशनल जनरेशन और उच्च-गति इन्फरेंस में बेहतर प्रदर्शन प्राप्त होता है।
Polestar एक प्रशिक्षण-मुक्त (training-free) इन्फरेंस फ्रेमवर्क है जो कुशल KV-कैश पुन: उपयोग और विश्वसनीय टोकन प्रतिबद्धता को सक्षम करने के लिए टोकन रिप्रेजेंटेशन ड्रिफ्ट (token representation drift) को एक एकीकृत सिग्नल के रूप में उपयोग करता है, जिससे डिफ्यूजन लार्ज लैंग्वेज मॉडल्स की सटीकता और थ्रूपुट दोनों में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एलएलएम (LLM) एजेंट प्रक्षेप पथों (trajectories) में उपयोगी टूल कॉल्स की दर का सीधे मूल्यांकन और अनुकूलन करने के लिए "टूल एफिशिएंसी" (tool efficiency) और "मार्जिनल टूल यूटिलिटी" (marginal tool utility) को नए मात्रात्मक मेट्रिक्स के रूप में प्रस्तुत करता है, जिसका उद्देश्य पारंपरिक सटीकता-आधारित मूल्यांकनों के पूरक के रूप में लीन (leaner) टूल सूट्स के निर्माण को निर्देशित करना है।
यह शोध पत्र इस धारणा को चुनौती देता है कि परिष्कृत प्रॉम्प्टिंग तकनीकें लार्ज लैंग्वेज मॉडल के प्रदर्शन को बढ़ाती हैं, और एक व्यापक अनुभवजन्य अध्ययन के माध्यम से यह प्रदर्शित करता है कि बेसलाइन प्रॉम्प्टिंग लगातार जटिल विधियों से बेहतर प्रदर्शन करती है, जिसमें केवल न्यूनतम विशेषज्ञ या आगमनात्मक फ्रेमिंग ही मामूली सुधार प्रदान करती है, जिससे यह सुझाव मिलता है कि क्षेत्र को प्रॉम्प्ट इंजीनियरिंग के बजाय वास्तविक मॉडल उन्नति को प्राथमिकता देनी चाहिए।
यह शोध पत्र MAPS को प्रस्तुत करता है, जो एक नवीन मल्टी-एजेंट फ्रेमवर्क है जो डोमेन-वेटेड प्रोफाइल्स, डायनेमिक मेमोरी और इंटरप्रिटेबल अटेंशन का उपयोग करके संवाद में व्यक्तिगत व्यक्तिपरक दृष्टिकोण और साझा अर्थ के बीच संतुलन बनाता है, जिससे संज्ञानात्मक रूप से भिन्न एजेंट विविधता से समझौता किए बिना सिमेंटिक एलाइनमेंट प्राप्त करने में सक्षम होते हैं।
यह शोध पत्र इंट्रोस्पेक्शन फाइन-ट्यूनिंग (IFT) प्रस्तुत करता है, जो एक ऐसी विधि है जो छोटे भाषा मॉडलों (1B पैरामीटर वाले मॉडलों सहित) को आंतरिक सक्रियण विक्षोभों (internal activation perturbations) का विश्वसनीय रूप से पता लगाने और उन पर रिपोर्ट करने के लिए सफलतापूर्वक प्रशिक्षित करती है, जिससे ऐसी अंतर्निहित आत्म-निगरानी क्षमताओं को अनलॉक किया जा सके जो केवल मॉडल के पैमाने पर निर्भर नहीं हैं।
यह शोध पत्र एक सूचना-सैद्धांतिक ढांचा स्थापित करके इस धारणा को चुनौती देता है कि केवल स्केलिंग के माध्यम से पूर्ण विश्वसनीयता प्राप्त की जा सकती है, जो कार्य की अस्पष्टता और इंटर-टोकन निर्भरता के आधार पर अंतर्निहित विश्वसनीयता की सीमाओं को परिभाषित करता है, जिससे एक एकीकृत स्केलिंग लॉ प्राप्त होता है जो प्रशिक्षण डेटा और मॉडल क्षमता के बीच बाधा की पहचान करता है और रिट्रीवल ऑग्मेंटेशन एवं कैटास्ट्रोफिक फॉरगेटिंग जैसी घटनाओं की व्याख्या करता है।
यह स्थिति पत्र (position paper) तर्क देता है कि 'एक्सप्लेनेबल एआई' (Explainable AI) समुदाय को एड-हॉक (ad-hoc) तकनीकों को विकसित करने के बजाय मौलिक संरचनात्मक चुनौतियों—जैसे कि अस्पष्ट समस्या सूत्रीकरण और एकीकरण पाइपलाइनों की कमी—को संबोधित करने की ओर अपना ध्यान केंद्रित करना चाहिए, ताकि स्पष्टीकरण प्रभावी रूप से वास्तविक दुनिया के, मानव-इन-द-लूप (human-in-the-loop) कार्यों को संचालित कर सकें।
यह शोध पत्र एक नवीन छह-चरणीय ढांचे का प्रस्ताव करता है जो परिचालन निर्णय सहायता के लिए बेयसियन बिलीफ नेटवर्क (Bayesian Belief Networks) के निर्माण हेतु लार्ज लैंग्वेज मॉडल एजेंटों और एक ट्रिम्ड-मीन एग्रीगेशन नियम का लाभ उठाता है, जो एक वैकल्पिक स्वास्थ्य सेवा प्रणाली के भीतर ग्राहकों के इरादों को मॉडल करने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र डायनामिकल सिस्टम टूल्स और प्लेनर एनालिसिस का उपयोग करके उन विशिष्ट स्थितियों को स्थापित करता है जिनके अंतर्गत आर. थॉमस की यह परिकल्पना—कि मल्टी-स्टेशनैरिटी के लिए धनात्मक सर्किट (positive circuits) का अस्तित्व एक आवश्यक शर्त है—प्लेनर सिस्टम्स के लिए सत्य सिद्ध होती है।