22557 पेपर
यह शोधपत्र CodeThread फ्रेमवर्क को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि AI एजेंटों द्वारा जनरेट किया गया कोड मानव-निर्मित कोड की तुलना में कम रखरखाव योग्य (maintainable) होता है, क्योंकि बाद के एजेंट पारंपरिक सॉफ्टवेयर मेट्रिक्स के बजाय त्रुटि प्रबंधन (error handling) और इनपुट वैलिडेशन में सूक्ष्म व्यवहार संबंधी अंतरों के कारण इस पर आगे काम करने में संघर्ष करते हैं।
यह शोध पत्र बड़े कोड एजेंटों के लिए इंट्रा-ट्रैजेक्टरी स्टीयरिंग (intra-trajectory steering) प्रदान करने हेतु छोटे, सुपरवाइज्ड फाइन-ट्यून्ड क्रिटिक मॉडल्स को प्रशिक्षित करने का प्रस्ताव देता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण एंड-टू-एंड ट्रेनिंग या पोस्ट-हॉक स्कोरिंग की तुलना में कम्प्यूटेशनल लागत और ट्रैजेक्टरी की लंबाई दोनों को कम करते हुए SWE-bench Verified जैसे बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र CNnotator को प्रस्तुत करता है, जो लेगेसी C कोड के लिए मेमोरी सुरक्षा एनोटेशन (CN विनिर्देशों) को स्वचालित रूप से संश्लेषित और सत्यापित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, यह प्रदर्शित करते हुए कि वर्तमान AI मॉडल सुरक्षित भाषाओं में माइग्रेशन को सुगम बनाने के लिए मेमोरी उपयोग पैटर्न की पहचान करने में उच्च सफलता दर प्राप्त कर सकते हैं।
AgentDSE एक तर्क-संवर्धित (reasoning-augmented), सिम्युलेटर-इन-द-लूप पद्धति पेश करता है जो एक सामान्य-उद्देश्य वाले LLM कोडिंग एजेंट द्वारा संचालित है, जो मानव-समान तर्क की नकल करके प्रतिस्पर्धी डिज़ाइन गुणवत्ता प्राप्त करने के साथ-साथ पूरी तरह से पता लगाने योग्य (traceable) खोज निर्णय उत्पन्न करते हुए आर्किटेक्चरल डिज़ाइन स्पेस एक्सप्लोरेशन के लिए आवश्यक मूल्यांकनों की संख्या को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र एआई एजेंट पहचान विचलन (identity drift) को जियोडेसिक संरचनाओं की ओर एक विश्रांति (relaxation) के रूप में परिमाण होमोलॉजी (magnitude homology) और मीट्रिक स्पेस का उपयोग करते हुए एक ज्यामितीय ढांचे के माध्यम से मात्रात्मक रूप से मापने का प्रस्ताव करता है, जो विशिष्ट अनुकूलन तंत्रों (conditioning mechanisms) और व्यवहारिक समृद्धि की पहचान करता है, साथ ही यह भी उल्लेख करता है कि देखा गया विचलन वास्तविक संदर्भ-लंबाई प्रभावों के बजाय प्रारंभ में पैडिंग आर्टिफैक्ट्स (padding artifacts) के कारण भ्रमित था।
UniRank लो-रैंक LLM संपीड़न के लिए एक एकीकृत रैंक आवंटन ढांचा पेश करता है जो रैंक वितरण को अनुकूलित करने के लिए स्थानीय सिंगुलर ऊर्जा और वैश्विक कार्यात्मक महत्व को जोड़ता है, जबकि विविध मॉडल आर्किटेक्चर में व्यापक कम्प्यूटेशनल ओवरहेड की आवश्यकता के बिना महत्वपूर्ण परप्लेक्सिटी कमी प्राप्त करने के लिए रैंक-संरक्षण फाइन-ट्यूनिंग का उपयोग करता है।
यह शोधपत्र ForEx प्रस्तुत करता है, जो एक औपचारिक सत्यापन ढांचा (formal verification framework) है जो तर्क श्रृंखलाओं (reasoning chains) की व्युत्पत्ति योग्यता को सत्यापित करने के लिए LLM-जनित स्पष्टीकरणों को Lean4 में अनुवादित करता है, जो तार्किक दोषों (logical fallacies) का पता लगाने में उच्च औपचारिक सत्यापन दरों और मानव एनोटेशन के साथ निम्न लेबल सहमति के बीच एक महत्वपूर्ण अंतर को प्रकट करता है।
यह शोध पत्र प्रदर्शित करता है कि प्रोटीन संपर्क संकेत, जिन्हें पहले ~19L फॉरवर्ड पास की आवश्यकता वाले गणनात्मक रूप से महंगे कैटेगोरिकल जैकोबियन (Categorical Jacobian) के माध्यम से निकाला जाता था, पहले से ही अटेंशन हेड्स के एक छोटे उपसमूह में केंद्रित हैं जिन्हें लीकेज-मुक्त बेंचमार्क पर एकल फॉरवर्ड पास में बेहतर या तुलनीय प्रदर्शन प्राप्त करने के लिए न्यूनतम लेबल किए गए डेटा के साथ पहचाना जा सकता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि मॉडल तर्क संबंधी कार्यों के लिए समाधानों को सत्यापित करने और उन्हें याद रखने में प्रभावी ढंग से सक्षम हो सकते हैं, वे फॉरवर्ड चेन-ऑफ-थॉट डेरिवेशंस के रूप में सत्यापन योग्य खोज प्रक्रियाओं को सीखने में मौलिक रूप से विफल रहते हैं, चाहे मॉडल का पैमाना या प्रशिक्षण विधि कुछ भी हो, क्योंकि ऐसे कार्यों में नकल करने के लिए एक निष्ठावान, सूचना-संरक्षण वाला चरण-दर-चरण पथ का अभाव होता है।
यह शोध पत्र CAFM, एक कोहोर्ट-एंकोर्ड फाउंडेशन मॉडल फ्रेमवर्क का प्रस्ताव करता है जो नैदानिक AI अनुप्रयोगों में व्याख्यात्मकता, सुदृढ़ता और ऑडिटेबिलिटी को बढ़ाने के लिए एक चार-चरणीय पाइपलाइन के माध्यम से रोगी कोहोर्ट्स को एक प्राथमिक शिक्षण उद्देश्य के रूप में उन्नत करता है।