19893 पेपर
यह शोध पत्र दो नवीन डेटासेट पेश करके और एक डोमेन-एडवर्सरियलियल (domain-adversarial) ConvNeXt ऑटोएन्कोडर प्रस्तावित करके बदलते पर्यावरणीय परिस्थितियों के तहत इनडोर UWB जैमर स्थानीयकरण की चुनौती को संबोधित करता है, जो गैर-एडवर्सरियल बेसलाइन की तुलना में ट्रांसफ़रेबिलिटी में महत्वपूर्ण सुधार करता है और स्थानीयकरण त्रुटि को कम करता है।
यह अध्ययन 'Yoga-16' डेटासेट प्रस्तुत करता है और यह प्रदर्शित करता है कि कंकाल-आधारित (skeleton-based) निरूपण, विशेष रूप से जब उन्हें MediaPipe Pose इनपुट के साथ VGG16 द्वारा संसाधित किया जाता है, स्वचालित योग मुद्रा वर्गीकरण में 96.09% की सुदृढ़ सटीकता प्राप्त करने के लिए कच्चे इमेज इनपुट से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र लॉन्ग-कॉन्टेक्स्ट एलएलएम (LLMs) का मूल्यांकन करने के लिए एक स्केलेबल "नीडल-इन-ए-हेस्टैक" (needle-in-a-haystack) बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि प्रदर्शन "डिस्ट्रीब्यूशनल कोलैप्स" (Distributional Collapse) के कारण काफी बाधित होता है जब साक्ष्य बिखरे हुए होते हैं और एक "सेफ्टी टैक्स" (Safety Tax) के कारण होता है जहाँ एंटी-हैलुसिनेशन प्रॉम्प्ट्स मॉडल्स को वैध जानकारी को अत्यधिक रूढ़िवादी रूप से अस्वीकार करने के लिए प्रेरित करते हैं।
यह शोध पत्र पॉलिसी ऑफ थॉट्स (PoT) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो टेस्ट-टाइम निष्पादन को एक ऑनलाइन ऑप्टिमाइज़ेशन प्रक्रिया के रूप में मानकर LLM तर्क क्षमता को बढ़ाता है, जहाँ फीडबैक को आत्मसात करने और मॉडल की तर्क रणनीति को विकसित करने के लिए ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन के माध्यम से एक क्षणिक LoRA एडेप्टर को गतिशील रूप से अपडेट किया जाता है, जिससे एक 4B मॉडल जटिल कोडिंग बेंचमार्क पर काफी बड़े अत्याधुनिक मॉडलों को भी पीछे छोड़ने में सक्षम होता है।
यह शोध पत्र "Argus" को प्रस्तुत करता है, जो एक ऐसा पाइपलाइन है जो अनिश्चितता-आधारित रिट्रीवल प्रोबेबिलिटी स्कोर के माध्यम से कम-रिट्रिवेबिलिटी वाली संस्थाओं (entities) की भविष्यवाणी करके और उनके ज्ञान आधार निरूपणों (knowledge base representations) को संवर्धित करके RAG सिस्टम में रिट्रीवल ब्लाइंड स्पॉट्स की पहचान करता है और उनका उपचार करता है, जिससे विविध बेंचमार्क पर रिट्रीवल प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र प्रदर्शित करता है कि LLM एजेंटों के एक्शन अनुक्रमों (action sequences) में व्यवहारिक भिन्नता (behavioral variance) एक प्रशिक्षण-मुक्त अनिश्चितता संकेत (training-free uncertainty signal) के रूप में कार्य करती है, जो चयनात्मक वर्गीकरण (selective classification) और वितरण-मुक्त अंशांकन (distribution-free calibration) को सक्षम बनाती है, जिससे बिना किसी होल्ड-आउट अंशांकन डेटा की आवश्यकता के सटीकता और मॉडल रैंकिंग विश्वसनीयता में महत्वपूर्ण सुधार होता है।
यह अध्ययन प्रमुख नियामक ढांचों के विरुद्ध एआई (AI) घटनाओं का अनुभवजन्य विश्लेषण करता है ताकि महत्वपूर्ण पोस्ट-डिप्लॉयमेंट जवाबदेही अंतराल को प्रकट किया जा सके, जो यह प्रदर्शित करता है कि अनुपालन के लिए आंतरिक निगरानी क्षमता अत्यंत महत्वपूर्ण है और इन प्रणालीगत कमियों को दूर करने के लिए प्रोएक्टिव एआई गवर्नेंस कंप्लायंस फ्रेमवर्क (PAGCF) का प्रस्ताव करता है।
यह शोध पत्र "ऑपरेटर-ऑन-एफ" (operator-on-F) को प्रस्तुत करता है, जो एक प्लानिंग-टाइम डायग्नोस्टिक है जो पारंपरिक वैल्यू-इक्विवेलेंस चेक्स के पूरक के रूप में कार्य करता है, जो प्रभावी ढंग से लेटेंट वर्ल्ड मॉडल त्रुटियों की पहचान करता है और प्लानिंग परफॉरमेंस डिग्रेडेशन की भविष्यवाणी करता है, जिसे मानक रिवॉर्ड-प्रेडिक्शन मेट्रिक्स अक्सर पहचानने में विफल रहते हैं।
FixItFlow एक स्वचालित प्रणाली है जो ऐतिहासिक क्लाउड इंसिडेंट डेटा से सत्यापित ट्रबलशूटिंग गाइड तैयार करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाती है, जिससे इंजीनियरिंग टीमों के लिए इंसिडेंट रिस्पॉन्स समय में काफी सुधार होता है और दस्तावेज़ीकरण का बोझ कम होता है।
यह शोध पत्र Safe-Psych को प्रस्तुत करता है, जो 1,000 से अधिक वास्तविक मनोरोग संबंधी नोट्स का उपयोग करने वाला एक अनुक्रमिक बेंचमार्क है, जो यह प्रकट करता है कि अत्याधुनिक लार्ज लैंग्वेज मॉडल्स भी अपूर्ण नैदानिक जानकारी को पहचानने में संघर्ष करते हैं, और सुरक्षा-जागरूक प्रॉम्प्टिंग के बावजूद अक्सर समयपूर्व निदान करते हैं या स्पष्टीकरण मांगने में विफल रहते हैं।