23200 पेपर
यह शोध पत्र एक स्केलेबल, समय-निर्भर अटेंशन-आधारित डीप लर्निंग सरोगेट प्रस्तावित करता है जो कार्डिएक वोल्टेज मैप्स से बॉडी सरफेस ईसीजी सिग्नल्स की सटीक और कुशल भविष्यवाणी करता है, जो वास्तविक समय के नैदानिक अनुप्रयोगों के लिए पारंपरिक भौतिकी-आधारित सॉल्वर का एक लागत प्रभावी विकल्प प्रदान करता है।
यह शोध पत्र नियंत्रित एब्लेशन और विमर्श विश्लेषण (discourse analysis) के माध्यम से संवादात्मक भावना पहचान (Emotion Recognition in Conversation) की व्यवस्थित जांच करता है, जो यह प्रकट करता है कि हालिया संदर्भ के साथ प्रदर्शन तेजी से संतृप्त हो जाता है, कि जब टर्न-स्तरीय इतिहास उपलब्ध होता है तो पदानुक्रमित वाक्य प्रतिनिधित्व (hierarchical sentence representations) घटते प्रतिफल (diminishing returns) प्रदान करते हैं, और कि उदास कथन विशिष्ट रूप से संवादात्मक संदर्भ पर निर्भर करते हैं जबकि वे विशिष्ट विमर्श-चिह्न (discourse-marker) पैटर्न प्रदर्शित करते हैं।
यह शोध पत्र एक प्रशिक्षण-मुक्त स्पेक्ट्रल ग्राफ विश्लेषण पद्धति प्रस्तुत करता है जो विशिष्ट अटेंशन मैट्रिक्स हस्ताक्षरों को निकालकर भाषा मॉडलों में वैध गणितीय तर्क की पहचान करती है, जो बिना किसी सीखे गए मापदंडों के उच्च वर्गीकरण सटीकता और प्रमाण खोज (प्रूफ सर्च) में व्यावहारिक उपयोगिता प्रदर्शित करती है।
यह शोध पत्र HACHI को प्रस्तुत करता है, जो एक पुनरावृत्ति मानव-इन-द-लूप (human-in-the-loop) ढांचा है जो विशेषज्ञ फीडबैक के माध्यम से नैदानिक नोट्स (clinical notes) से व्याख्यात्मक अवधारणाओं (interpretable concepts) को तेजी से खोजने और परिष्कृत करने के लिए एआई एजेंटों का लाभ उठाता है, जिससे अधिक सटीक और सामान्यीकरण योग्य नैदानिक भविष्यवाणी मॉडल के विकास को गति मिलती है और साथ ही एआई को निर्देशित करने में मानवीय निरीक्षण की महत्वपूर्ण भूमिका पर प्रकाश डाला जाता है।
यह सर्वेक्षण एंसेर सेट प्रोग्रामिंग (Answer Set Programming) के लिए मौजूदा स्पष्टीकरण विधियों और उपकरणों का एक XAI-निर्देशित अवलोकन प्रदान करता है, जो उन्हें उपयोगकर्ता की आवश्यकताओं के साथ मैप करता है और साथ ही वर्तमान कमियों की पहचान करता है और भविष्य की अनुसंधान दिशाओं को रेखांकित करता है।
यह तकनीकी रिपोर्ट मिनिमम विएबल इवैल्यूएशन सूट (MVES) फ्रेमवर्क का परिचय देती है और स्थानीय एब्लेशन अध्ययनों के माध्यम से यह प्रदर्शित करती है कि सामान्य प्रॉम्प्ट सुधार विशिष्ट LLM एप्लिकेशन के प्रदर्शन को कम कर सकते हैं, जिससे तैनाती से पहले रिग्रेशन जोखिमों को कम करने के लिए मूल्यांकन-संचालित पुनरावृत्ति (इटरेशन) का समर्थन मिलता है।
यह शोध पत्र MentisOculi प्रस्तुत करता है, जो एक बेंचमार्क सुइट है जो यह प्रदर्शित करता है कि दृश्य तर्क (विजुअल रीजनिंग) की क्षमता के बावजूद, वर्तमान एकीकृत मल्टीमॉडल मॉडल संचयी पीढ़ी त्रुटियों (कंपाउंडिंग जनरेशन एरर्स) और दृश्य सहायता का प्रभावी ढंग से लाभ उठाने में असमर्थता के कारण मध्यवर्ती विज़ुअलाइज़ेशन के माध्यम से प्रदर्शन में सुधार करने में विफल रहते हैं।
यह शोध पत्र प्रदर्शित करता है कि विज़न रिप्रजेंटेशन्स (vision representations) में कंपोजिशनल बाइंडिंग (compositional binding) की भविष्यवाणी करने के लिए ग्लोबल एम्बेडिंग ज्योमेट्री (global embedding geometry) अपर्याप्त है, और इसके बजाय, इनपुट-आउटपुट जैकोबियन्स (input-output Jacobians) के माध्यम से मापी गई फंक्शनल सेंसिटिविटी (functional sensitivity), विजुअल एलिमेंट्स को कंपोज़ करने की मॉडल की क्षमता का एक महत्वपूर्ण और विश्वसनीय संकेतक है।
यह शोध पत्र AutoInject को पेश करता है, जो एक ब्लैक-बॉक्स सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक सीखे गए तुलना-आधारित पुरस्कार (comparison-based reward) का उपयोग करके प्रॉम्प्ट इंजेक्शन के लिए प्रतिकूल प्रत्यय (adversarial suffixes) को कुशलतापूर्वक उत्पन्न करके मौजूदा स्वचालित विधियों की सीमाओं को दूर करता है, जिससे मानक और विशेष रूप से संरेखित (specially aligned) दोनों प्रकार के लार्ज लैंग्वेज मॉडल्स के विरुद्ध अत्याधुनिक सफलता दर प्राप्त होती है।
SAGE एक स्केलेबल AI गवर्नेंस फ्रेमवर्क है जो नीति (policy), मिसाल (precedent) और LLM सरोगेट जजों के द्विआयामी अंशांकन लूप (bidirectional calibration loop) के माध्यम से उच्च-गुणवत्ता वाले मानवीय निर्णय को कार्यान्वित करता है, जिसमें लिंक्डइन सर्च में नीति-अनुरूप मॉडल मूल्यांकन को सक्षम करने के लिए लागत प्रभावी डिस्टिलेशन का उपयोग किया गया है, जिसने अंततः दैनिक सक्रिय उपयोगकर्ताओं को 0.25% तक बढ़ा दिया।