23200 पेपर
SecureClaw टूल-उपयोग करने वाले LLM एजेंटों के लिए एक दोहरी-सीमा सुरक्षा वास्तुकला (dual-boundary security architecture) है जो रीड ऑपरेशन्स के लिए एक विश्वसनीय गेटवे और राइट ऑपरेशन्स के लिए एक PREVIEW-to-COMMIT प्रोटोकॉल को लागू करके अनधिकृत बाहरी कार्यों और संवेदनशील डेटा के प्रदर्शन को रोकता है, जिससे कार्य उपयोगिता (task utility) बनाए रखते हुए कई बेंचमार्क में लगभग शून्य हमले की सफलता दर प्राप्त होती है।
FuseFSS एक कंपाइलर है जो फिक्स्ड-पॉइंट नॉनलिनियैरिटीज़ (fixed-point nonlinearities) के लिए एक एकीकृत पाइपलाइन द्वारा विशिष्ट प्रति-ऑपरेटर प्रोटोकॉल को बदलकर सुरक्षित LLM इन्फरेंस को सुव्यवस्थित करता है, जिससे सटीकता बनाए रखते हुए महत्वपूर्ण गति वृद्धि और संचार एवं प्रीप्रोसेसिंग ओवरहेड में कमी प्राप्त होती है।
यह शोध पत्र यह प्रदर्शित करता है कि ड्रग-एसेट मूल्यांकन में, जबकि रीजनिंग स्कैफोल्ड्स (reasoning scaffolds) एक एआई एजेंट के अंशांकन (calibration) और अनुशासन में सुधार करते हैं, मालिकाना साक्ष्यों (proprietary evidence) की उपलब्धता ही वह निर्णायक सीमित कारक है जो तथ्यात्मक सटीकता और निर्णय उपयोगिता (decision utility) पर ऊपरी सीमा निर्धारित करती है।
यह शोध पत्र PRISM को प्रस्तुत करता है, जो एक एक्टिवेशन-कंडीशन्ड इंटरप्रेटर है जिसे जज-गाइडेड GRPO के साथ प्रशिक्षित किया गया है, ताकि बड़े भाषा मॉडलों (LLMs) के हिडन स्टेट्स से सक्रिय निर्देशों, बाधाओं और उप-लक्ष्यों के पूर्ण सेट को सटीक रूप से डिकोड और रिकवर किया जा सके, जिससे जटिल एजेंटिक परिवेशों में निगरानी क्षमताओं को बढ़ाया जा सके।
यह शोधपत्र TABVERSE को प्रस्तुत करता है, जो एक नियंत्रित मल्टीमॉडल बेंचमार्क है जो मॉडल प्रदर्शन पर तालिका प्रतिनिधित्व प्रारूपों (जैसे कि HTML, Markdown, LaTeX और चित्र) के प्रभाव को अलग करता है, जिससे यह पता चलता है कि संरचित टेक्स्ट आमतौर पर चित्रों से बेहतर प्रदर्शन करता है लेकिन प्रतिनिधित्व का चयन विभिन्न कार्यों और मॉडलों में परिणामों को महत्वपूर्ण रूप से प्रभावित करता है।
यह शोध पत्र सिमेंटिक रिपल्शन तकनीक (SRT) का परिचय और मूल्यांकन करता है, जो एक ऐसी इंटरेक्शन विधि है जो रचनात्मक लेखन में उपयोगिता और सुसंगतता को बनाए रखते हुए या उसमें सुधार करते हुए, अर्थ संबंधी विविधता को महत्वपूर्ण रूप से बढ़ाती है और एआई-जनित एकरूपता को कम करती है।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ सह-सक्रियता सांख्यिकी (co-activation statistics) के आधार पर अटेंशन हेड्स को क्लस्टर करना विश्वसनीय सर्किट प्रस्ताव उत्पन्न करता है, वहीं केवल कॉज़ल एब्लेशन टेस्ट (causal ablation tests) ही उनकी कार्यात्मक आवश्यकता को प्रमाणित कर सकते हैं, जो यह प्रकट करते हैं कि ऐसे सस्ते संकेत अक्सर मिक्सचर-ऑफ-एक्सपर्ट्स (Mixture-of-Experts) जैसे जटिल आर्किटेक्चर में वास्तविक सर्किटों की पहचान करने में विफल रहते हैं।
यह शोध पत्र AGENTSERVESIM को प्रस्तुत करता है, जो एक हार्डवेयर-जागरूक सिम्युलेटर है जो मल्टी-टर्न LLM एजेंट सर्विंग डायनेमिक्स—जिसमें प्रोग्राम ऑर्केस्ट्रेशन, टूल-प्रेरित अंतराल (tool-induced gaps), और KV-कैश रेजिडेंसी शामिल है—को सटीक रूप से मॉडल करता है ताकि व्यापक वास्तविक-सिस्टम डिप्लॉयमेंट की आवश्यकता के बिना कमोडिटी CPUs पर सर्विंग नीतियों के स्केलेबल और लागत प्रभावी मूल्यांकन को सक्षम किया जा सके।
यह शोध पत्र एक स्थानिक रूप से स्पष्ट अनुकूलन मॉडल का उपयोग यह प्रदर्शित करने के लिए करता है कि यद्यपि यूरोप के 2050 के नेट-जीरो लक्ष्य प्राप्त करने योग्य बने हुए हैं, एआई-संचालित डेटा केंद्रों का तीव्र विस्तार महत्वपूर्ण मध्यवर्ती उत्सर्जन जोखिम और क्षमता संबंधी चुनौतियां पैदा करता है जो बुनियादी ढांचा नियोजन में केवल स्वच्छ ऊर्जा प्रचुरता से हटकर फर्म पावर और सिस्टम लचीलेपन तथा अनुकूलन नीतिगत हस्तक्षेपों की ओर एक रणनीतिक बदलाव को आवश्यक बनाता है।