22650 पेपर
यह शोधपत्र आपराधिक कानून के संदर्भों में "ओवर-अलाइनमेंट" को मापने और कम करने के लिए स्विस सुप्रीम कोर्ट के फैसलों से व्युत्पन्न एक बहुभाषी बेंचमार्क, TF-RefusalBench को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एब्लीटरेशन (abliteration) कार्य प्रदर्शन को सुरक्षित रखते हुए हानिकारक मॉडल रिफ्यूज़ल को प्रभावी ढंग से समाप्त कर देता है।
यह शोधपत्र ऊर्जा-आधारित ट्रांसफॉर्मर (energy-based transformers) को मानव पठन कठिनाई के एक नवीन, एकीकृत भविष्यवक्ता के रूप में प्रस्तुत करता है जो कई पठन-समय कॉर्पोरा और वाक्यात्मक संरचनाओं में सरप्राइज़ल (surprisal) और अटेंशन एंट्रॉपी (attention entropy) जैसे मौजूदा मापों से बेहतर प्रदर्शन करता है और उन्हें समाहित करता है।
यह शोध पत्र एक ह्यूम-इन-द-लूप फ्रेमवर्क प्रस्तुत करता है जो एक फाइन-ट्यून्ड स्मॉल लैंग्वेज मॉडल को डोमेन नॉलेज ग्राफ के साथ जोड़ता है ताकि SysML v2 मॉडल्स में सिमेंटिक दोषों को स्वचालित रूप से स्थानीयकृत और मरम्मत किया जा सके, जिससे वाहन सिस्टम डिजाइनों पर 91% रिपेयर सफलता दर प्राप्त हुई और आउटपुट टोकन की लंबाई में उल्लेखनीय कमी आई।
यह शोध पत्र लिटमस (Litmus) को प्रस्तुत करता है, जो एक ज़ीरो-लेबल प्रणाली है जो सोर्स कोड और लक्षित पूछताछ से सीधे इरादे (intent) को निकालकर AI पाइपलाइनों के लिए स्वतः ही न्यायसंगत, कम-अतिरेक वाले मूल्यांकन मेट्रिक्स व्युत्पन्न करती है, जिससे यह बिना किसी मैन्युअल लेबल की आवश्यकता के वैधता और कवरेज में मौजूदा बेसलाइन से बेहतर प्रदर्शन करती है।
ReasoningLens एक ओपन-सोर्स फ्रेमवर्क है जो लंबी चेन-ऑफ-थॉट (Chain-of-Thought) ट्रेसेस को इंटरैक्टिव पदानुक्रमित विज़ुअलाइज़ेशन, स्वचालित त्रुटि पहचान और प्रणालीगत तर्क प्रोफाइल्स में बदलकर लार्ज रीजनिंग मॉडल्स की पारदर्शिता और डिबगिंग को बढ़ाता है।
HyperQuant एक एकीकृत पोस्ट-ट्रेनिंग क्वांटाइजेशन पाइपलाइन है जो रैंडमाइज्ड हैडामार्ड ट्रांसफॉर्म, ऑप्टिमल लैटिस क्वांटाइजेशन, राइस कोडिंग और बायस करेक्शन को जोड़ता है ताकि बड़े भाषा और डिफ्यूजन मॉडल्स के वेट्स (weights) और KV कैशे (KV caches) के लिए रेट-डिस्टॉर्शन-ऑप्टिमल कंप्रेशन प्राप्त किया जा सके, जो विभिन्न बिट-रेट पर मौजूदा तरीकों से बेहतर प्रदर्शन करते हुए लगभग लॉसलेस गुणवत्ता बनाए रखता है।
UnBias-Plus एक ओपन-सोर्स टूलकिट है जो सेगमेंट-स्तरीय मल्टी-क्लास क्लासिफिकेशन, बायस्ड स्पैन लोकलाइजेशन, न्यूट्रल टेक्स्ट रीराइटिंग और रीजनिंग एक्सप्लेनेशन्स को एक ही सुलभ प्लेटफॉर्म में एकीकृत करके मौजूदा बायस डिटेक्शन विधियों की सीमाओं को संबोधित करता है।
यह शोध पत्र "लोकेट-एंड-जज" (Locate-and-Judge) को प्रस्तुत करता है, जो एक स्केलेबल, दो-चरणीय डिटेक्टर है जो अटेंशन मैकेनिज्म का लाभ उठाकर एलएलएम (LLM) एजेंट मार्केटप्लेस में दुर्भावनापूर्ण थर्ड-पार्टी स्किल्स की उच्च सटीकता के साथ और मौजूदा बेसलाइन्स की तुलना में काफी कम लागत पर कुशलतापूर्वक पहचान करता है।
स्पार्स ऑटोएनकोडर्स को MolFormer पर लागू करके, यह अध्ययन प्रकट करता है कि रासायनिक भाषा मॉडल शुरुआती परतों में वाक्यात्मक व्याकरण सीखने से लेकर बाद की परतों में अर्थपूर्ण औषधीय अर्थों (pharmacological semantics) को एनकोड करने की ओर संक्रमण करते हैं, जिसमें नॉन-कैनोनिकल SMILES, स्थिति-अव्यक्त प्रसार (position-latent propagation) के कारण अमान्य SMILES की तुलना में अधिक विघटनकारी प्रतिनिधित्व परिवर्तन उत्पन्न करते हैं।
यह शोध पत्र AOHP को प्रस्तुत करता है, जो Android पर निर्मित एक ओपन-सोर्स OS-स्तरीय एजेंट हारनेस है जो एजेंटों को व्यक्तिगत, कुशल और सुरक्षित इंटरैक्शन सक्षम करने के लिए प्रथम-श्रेणी के सिस्टम अभिनेताओं (first-class system actors) के रूप में मानता है, जो पारंपरिक प्रणालियों की तुलना में कार्य पूर्णता दर, टोकन लागत और सुरक्षा अनुपालन में महत्वपूर्ण सुधार प्रदर्शित करता है।