23121 पेपर
यह शोध पत्र MINIM का प्रस्ताव करता है, जो एक विश्वसनीय स्थानीय ब्रोकर है जो तत्वों की संवेदनशीलता और कार्य की आवश्यकता का पूर्वानुमान लगाकर UI अवलोकनों को गतिशील रूप से सैनिटाइज करने के लिए कॉन्टेक्स्टुअल इंटीग्रिटी सिद्धांतों का लाभ उठाता है, जिससे विश्वसनीय LLM एजेंट कार्यों के लिए आवश्यक महत्वपूर्ण संदर्भ को सुरक्षित रखते हुए गोपनीयता रिसाव को न्यूनतम किया जा सके।
STREAM एक मल्टी-टियर इन्फरेंस मिडलवेयर है जो स्थानीय, संस्थागत HPC और क्लाउड LLM संसाधनों को एक नवीन डुअल-चैनल आर्किटेक्चर के माध्यम से एकीकृत करता है, जो फायरवॉल के माध्यम से सब-सेकंड टोकन स्ट्रीमिंग को सक्षम बनाता है, जिससे खंडित इन्फरेंस समाधानों के लिए एक लागत प्रभावी, निजी और उच्च-प्रदर्शन वाला विकल्प मिलता है।
यह शोध पत्र DeCompBench प्रस्तुत करता है, जो डीकंपोज़िशन हमलों (decomposition attacks) के विरुद्ध LLM-आधारित एजेंटों की सुरक्षा का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि जबकि एजेंट अखंड हानिकारक कार्यों को प्रभावी ढंग से अस्वीकार करते हैं, वे अक्सर तब दुर्भावनापूर्ण इरादों का पता लगाने और उन्हें रोकने में विफल रहते हैं जब उन कार्यों को व्यक्तिगत रूप से निर्दोष उप-कार्यों में विभाजित किया जाता है।
यह शोध पत्र चिकित्सीय औषधि-रोग संबंधों के लिए अनुप्रयोग योग्यता स्थितियों (applicability conditions) को निकालने के नवीन कार्य को प्रस्तुत करता है, इस उद्देश्य के लिए पहला हस्त-चिह्नित (manually annotated) डेटासेट प्रस्तुत करता है, और एक उन्नत LoRA-आधारित विधि प्रस्तावित करता है जो संदर्भ-विशिष्ट चिकित्सीय स्थितियों की पहचान करने में मौजूदा बेसलाइन से बेहतर प्रदर्शन करती है।
KGERMAR एक नवीन ढांचा है जो इन्फरेंस के दौरान संदर्भ-विशिष्ट ज्ञान ग्राफ़ों को गतिशील रूप से निर्मित करके और उनके संरचनात्मक एम्बेडिंग को सिमेंटिक एवं कॉन्टेक्स्टुअल मेमोरी बैंकों के साथ एकीकृत करके लॉन्ग-कॉन्टेक्स्ट लैंग्वेज मॉडलिंग को उन्नत करता है, जिससे मौजूदा बेसलाइनों की तुलना में बेहतर परप्लेक्सिटी रिडक्शन और मेमोरी एफिशिएंसी प्राप्त होती है।
यह शोध पत्र ब्लाइंड इनवर्जन-बैकडोर एडवर्सरियल अनलर्निंगिंग (BI-BAU) का प्रस्ताव करता है, जो एक नवीन विधि है जो बैकडोर अनलर्निंग को एक निरंतर शिक्षण (continual learning) समस्या के रूप में पुनर्गठित करती है ताकि एक एक्सपेक्टेशन-मैक्सिमाइजेशन एल्गोरिदम के साथ एकीकृत एक द्वि-स्तरीय अनुकूलन ढांचे के माध्यम से कैटास्ट्रोफिक फॉरगेटिंग तंत्र का लाभ उठाकर पूर्ण बैकडोर उन्मूलन प्राप्त किया जा सके।
यह अध्ययन प्रदर्शित करता है कि हाइब्रिड U-Net आर्किटेक्चर के भीतर सहायक संदर्भ (auxiliary context) के रूप में क्ले जियो-फाउंडेशनल मॉडल (Clay Geo-Foundational Model) को एकीकृत करना लैंडस्लाइड डिटेक्शन में स्टैंडअलोन फाउंडेशनल मॉडल्स और मानक बेसलाइन्स दोनों की तुलना में काफी बेहतर प्रदर्शन करता है, जो पूरक स्थानिक और सिमेंटिक विशेषताओं के माध्यम से अत्यधिक क्लास इम्बैलेंस (extreme class imbalance) को प्रभावी ढंग से संबोधित करते हुए लैंडस्लाइड4सेंस (Landslide4Sense) बेंचमार्क पर 64.5% F1 स्कोर प्राप्त करता है।
यह शोध पत्र एडेलिक ऑपरेशन-प्रिजर्व्ड एम्बेडिंग्स (AOE) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त, प्लग-एंड-प्ले प्रतिनिधित्व है जो संख्याओं के वास्तविक और p-एडिक हस्ताक्षरों दोनों को कैप्चर करता है ताकि उनकी बीजगणितीय संरचना को संरक्षित किया जा सके, जिससे कॉम्बिनेटरियल बेंचमार्क पर पूर्ण सटीकता प्राप्त होती है और AI में "नंबर प्रॉब्लम" का एक सिद्धांत-आधारित समाधान मिलता है।
यह शोध पत्र प्रतिक्रिया अनुपालन (response compliance) को कार्य प्रदर्शन (task performance) से अलग करके, बड़े भाषा मॉडलों में साहचर्य हस्तक्षेप (associative interference) का मूल्यांकन करने के लिए एक द्वि-चरणीय सांख्यिकीय ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि ऐसा हस्तक्षेप एक सार्वभौमिक गुण होने के बजाय विभिन्न मॉडलों और डोमेन में महत्वपूर्ण रूप से भिन्न होता है।
FactoryLLM एक सुरक्षित, ओपन-सोर्स AI प्लेग्राउंड है जो संवेदनशील औद्योगिक डेटा को उजागर किए बिना, स्मार्ट फैक्ट्रियों में क्रॉस-मशीन फॉल्ट डायग्नोस्टिक्स के लिए LLM-आधारित रिट्रीवल-ऑगमेंटेड जनरेशन मॉडल्स के मूल्यांकन को सक्षम करने हेतु परीक्षण के लिए एक नियंत्रित वातावरण प्रदान करता है।