22970 पेपर
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।
यह अध्ययन प्रकट करता है कि 2010 और 2025 के बीच वैज्ञानिक सारांशों में सैन्यवादी भाषा का उपयोग तेजी से बढ़ा है, जो वैश्विक संघर्षों के साथ सह-संबंधित है, फिर भी प्रयोगात्मक साक्ष्य दर्शाते हैं कि इस प्रकार का युद्ध-फ्रेमिंग अंततः वैज्ञानिक विश्वसनीयता, वित्त पोषण की इच्छा और नीतिगत समर्थन को कमजोर करता है।
CADRE मेडिकल विजन-लैंग्वेज मॉडल्स के लिए एक पैरामीटर-कुशल निरंतर अनुकूलन ढांचा (parameter-efficient continual adaptation framework) है जो विनाशकारी विस्मृति (catastrophic forgetting) और पूर्व विचलन (prior drift) को महत्वपूर्ण रूप से कम करने के लिए LoRA को नवीन नियमितीकरण पदों (novel regularization terms) के साथ जोड़ता है, जिससे विविध इमेजिंग मोडैलिटीज में नैदानिक सुरक्षा और स्थिरता बढ़ती है।
यह शोध पत्र POTracker को प्रस्तुत करता है, जो एक फाइन-ट्यून्ड LLM है जो एक नवीन लॉस फंक्शन का उपयोग करता है जो टेक्स्टुअल और स्ट्रक्चरल समानता को संतुलित करता है, ताकि अमेरिकी यूटिलिटी क्षेत्र के लिए मानक-अनुपालक, मशीन-पठनीय पावर आउटेज रिपोर्ट उत्पन्न करने में अत्याधुनिक सटीकता प्राप्त की जा सके।
यह शोध पत्र SQLConductor को प्रस्तुत करता है, जो एक चरण-दर-चरण ऑर्केस्ट्रेशन फ्रेमवर्क है जो 'सर्च-टू-पॉलिसी लर्निंग' का उपयोग करके मध्यवर्ती फीडबैक के आधार पर गतिशील रूप से SQL उप-कार्यों (subtasks) का चयन करने के लिए एक पॉलिसी मॉडल को प्रशिक्षित करता है, जिससे फिक्स्ड पाइपलाइनों और डायरेक्ट बैकबोन ट्रेनिंग की तुलना में जटिल टेक्स्ट-टू-एसक्यूएल (Text-to-SQL) बेंचमार्क पर बेहतर निष्पादन सटीकता और सामान्यीकरण प्राप्त होता है।
VeriEvol एक पुनरावृत्ति ढांचा (iterative framework) है जो टाइप-अवेयर इवोल्यूशन ऑपरेटर्स के माध्यम से प्रॉम्प्ट कठिनाई विस्तार को, मल्टी-सोर्स हाइपोथेसिस-टेस्ट फाल्सिफिकेशन के माध्यम से उत्तर विश्वसनीयता प्रवर्तन से अलग करके मल्टीमॉडल गणितीय तर्क को स्केल करता है, जिससे उच्च-गुणवत्ता वाला सत्यापित डेटा उत्पन्न होता है जो विजुअल-मैथ बेंचमार्क पर मॉडल के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक रूफलाइन-प्रेरित स्केलिंग मॉडल प्रस्तुत करता है जो नियंत्रित आर्किटेक्चरल स्वीप्स से प्राप्त कंप्यूट, मेमोरी ट्रैफिक और हार्डवेयर दक्षता कारकों को मापे गए ऊर्जा से जोड़कर विषम मल्टी-जीपीयू कॉन्फ़िगरेशन में ट्रांसफॉर्मर प्रशिक्षण की ऊर्जा खपत का सटीक अनुमान लगाता है।