23200 पेपर
यह शोध पत्र रिलेशनल रिफ्लेक्टिव इंटेलिजेंस (RRI) का प्रस्ताव करता है, जो एक इन्फरेंस-टाइम गवर्नेंस फ्रेमवर्क है जो मॉडल को पुन: प्रशिक्षित किए बिना ऑडिट करने योग्य रीजनिंग लूप्स, क्रिटिकल चेकपॉइंट्स और लक्षित रिफ्लेक्शन स्टेप्स के माध्यम से मानव और LLM के बीच संचयी संज्ञानात्मक त्रुटियों को कम करता है।
यह शोध पत्र PoQ-Judge को प्रस्तुत करता है, जो एक मल्टी-आर्किटेक्चर फ्रेमवर्क है जो विकेंद्रीकृत LLM इन्फरेंस गुणवत्ता का मूल्यांकन करने के लिए रेफरेंस-फ्री जज मॉडल को प्रशिक्षित करता है, जो ऑनलाइन कैलिब्रेशन और कैस्केड इवैल्यूएशन के माध्यम से ग्राउंड-ट्रुथ प्रॉक्सी के साथ मजबूत सहसंबंध और महत्वपूर्ण लागत कटौती प्राप्त करता है।
यह शोध पत्र "स्ट्रक्चरल अटेंशन टैक्स" (structural attention tax) की पहचान और औपचारिकीकरण करता है, जो एक ऐसी घटना है जहाँ नॉलेज ग्राफ ट्रिपल्स का कठोर प्रारूप अर्थ संबंधी प्रासंगिकता के स्वतंत्र रूप से एलएलएम (LLM) के अटेंशन को हाईजैक कर लेता है, जिससे प्रदर्शन अटेंशन (demonstration attention) संकुचित हो जाता है और यह प्रकट होता है कि रिट्रीवल-ऑगमेंटेड इन-कॉन्टेक्स्ट लर्निंग को बढ़ाने के लिए रिट्रीवल फॉर्मेट को अनुकूलित करना, रिट्रीवल क्वालिटी में सुधार करने जितना ही महत्वपूर्ण है।
NightFeats एक संदर्भ-अनुकूलित (context-optimized), मल्टी-एजेंट RAG सिस्टम है जिसने संकीर्ण मीट्रिक अनुकूलन के बजाय वास्तुशिल्प पारदर्शिता और सत्यापन योग्य साक्ष्य ग्राउंडिंग के माध्यम से प्रोप्रायटरी बेसलाइन्स को पछाड़ने के लिए रिट्रीवल (retrieval), क्यूरेशन (curation) और कंपोजिशन (composition) के एक सिद्धांत-आधारित तीन-चरणीय पाइपलाइन का उपयोग करके NeurIPS 2025 में 'बेस्ट डायनेमिक इवैल्यूएशन' जीता है।
यह शोध पत्र BlendIn को पेश करता है, जो एक इन्फरेंस-टाइम अलाइनमेंट फ्रेमवर्क है जो बाइनरी गाइडेंस इंटरवेंशन के स्थान पर एक संभाव्य ब्लेंडिंग दृष्टिकोण का उपयोग करके मॉडल की सुरक्षा और दक्षता में सुधार करता है, जो उनके आकलित विश्वसनीयता के आधार पर कई मॉडलों के योगदान को गतिशील रूप से भारित (weight) करता है।
यह शोध पत्र एक दोहरी-दृष्टिकोण (dual-stance) मूल्यांकन पद्धति प्रस्तुत करता है जो यह प्रकट करता है कि एलएलएम (LLM) में चाटुकारिता (sycophancy) को कम करने के उद्देश्य से की जाने वाली एक्टिवेशन स्टीयरिंग (activation steering), तथ्यात्मक सत्यों के साथ सहमत होने और चाटुकारितापूर्ण संकेतों के साथ सहमत होने के बीच अंतर करने में विफल रहती है, जिससे वे दोनों प्रकार की सहमति को अनियंत्रित रूप से दबा देती है, बावजूद इसके कि वे ज्यामितीय रूप से भिन्न उप-स्थानों (subspaces) में प्रतिनिधित्व रखती हैं।
यह शोध पत्र BioDivergence को प्रस्तुत करता है, जो एक नवीन मूल्यांकन ढांचा और बेंचमार्क है जिसे एक छह-वर्ग संघर्ष वर्गीकरण (six-class conflict taxonomy) और एक 13-अक्ष विचलन ऑन्टोलॉजी (13-axis divergence ontology) का उपयोग करके बायोमेडिकल एब्स्ट्रैक्ट्स में संदर्भ-निर्भर वैज्ञानिक असहमतियों को वास्तविक विरोधाभासों से अलग करने के लिए डिज़ाइन किया गया है, ताकि सूक्ष्म दावा सत्यापन (nuanced claim verification) पर मॉडल के प्रदर्शन का बेहतर आकलन किया जा सके।
यह शोध पत्र T2MM को प्रस्तुत करता है, जो एक LLM-समर्थित आर्किटेक्चर है जो VERA सॉफ़्टवेयर के भीतर इंटरैक्टिव, समायोज्य वैज्ञानिक मॉडलों को उत्पन्न करके पूछताछ-आधारित शिक्षण (inquiry-based learning) को बढ़ाता है, और पारंपरिक पूर्ण कोड जनरेशन बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र आर्टिफिशियल इंटेलिजेंस इन एजुकेशन (AIED) में लार्ज लैंग्वेज मॉडल्स की छिपी हुई कम्प्यूटेशनल और पर्यावरणीय लागतों पर मानकीकृत रिपोर्टिंग की कमी को रेखांकित करता है और एक ओपन-सोर्स फ्रेमवर्क प्रस्तावित करता है, जिसमें इन प्रभावों को व्यवस्थित रूप से मापने और पारदर्शी रूप से रिपोर्ट करने के लिए सॉफ्टवेयर टूल्स और गणना सूत्र शामिल हैं।
यह शोध पत्र पद्धतिगत कमजोरियों को कम करने और विश्वसनीयता बढ़ाने के लिए एआई एजेंटों के साथ प्रयोगों में प्री-रजिस्ट्रेशन प्रथाओं को अनिवार्य रूप से अपनाने का समर्थन करता है, साथ ही मॉडल चयन और प्रॉम्प्ट इंजीनियरिंग जैसे विशिष्ट शोधकर्ता स्वतंत्रता स्तरों (researcher degrees of freedom) को संबोधित करने के लिए एक अनुकूलित टेम्पलेट भी प्रदान करता है।