23200 पेपर
यह शोध पत्र ज़ीरो-शॉट एम्बेडिंग ड्रिफ्ट डिटेक्शन (ZEDD) को प्रस्तुत करता है, जो एक हल्का और प्रशिक्षण-मुक्त ढांचा है जो एम्बेडिंग स्पेस में सिमेंटिक बदलावों को मापकर LLMs को प्रत्यक्ष और अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों से सुरक्षित करता है, और आंतरिक तंत्र तक पहुंच या विशिष्ट हमलों के प्रकारों के पूर्व ज्ञान की आवश्यकता के बिना विविध मॉडलों में 93% से अधिक सटीकता प्राप्त करता है।
E2Former-V2 एक स्केलेबल इक्विवेरिएंट ग्राफ न्यूरल नेटवर्क आर्किटेक्चर है जो इक्विवेरिएंट एक्सिस-अलाइन्ड स्पारसिफिकेशन और ऑन-द-फ्लाई इक्विवेरिएंट अटेंशन मैकेनिज्म पेश करके मुख्यधारा के मॉडल्स की कम्प्यूटेशनल बाधाओं को दूर करता है, जिससे 3D एटोमिस्टिक सिस्टम्स पर प्रेडिक्टिव परफॉरमेंस बनाए रखते हुए 20-गुना TFLOPS सुधार प्राप्त होता है।
यह शोध पत्र TSAQA को प्रस्तुत करता है, जो छह विविध टाइम सीरीज़ विश्लेषण कार्यों के माध्यम से 13 डोमेन और 210k नमूनों में फैला एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि इंस्ट्रक्शन ट्यूनिंग के बावजूद वर्तमान लार्ज लैंग्वेज मॉडल्स में प्रदर्शन के महत्वपूर्ण अंतराल मौजूद हैं।
OpticalDNA एक नवीन विज़न-आधारित ढांचे को पेश करता है जो जीनोमिक मॉडलिंग को ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) कार्य के रूप में पुनर्गठित करता है, जिससे डीएनए अनुक्रमों को संरचित दृश्य लेआउट में परिवर्तित किया जाता है ताकि पारंपरिक लैंग्वेज मॉडल दृष्टिकोणों की तुलना में काफी कम टोकन और प्रशिक्षित मापदंडों के साथ बेहतर प्रदर्शन और उच्च-सटीक संपीड़न प्राप्त किया जा सके।
यह शोध पत्र VALUEFLOW को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो पदानुक्रमित मूल्य निष्कर्षण (hierarchical value extraction), एक बड़े पैमाने के तीव्रता-लेबल वाले डेटाबेस और एक कैलिब्रेटेड मूल्यांकन प्रणाली को एकीकृत करके मूल्य-आधारित संरेखण (value-based alignment) में प्रमुख अंतरालों को संबोधित करता है ताकि लार्ज लैंग्वेज मॉडल्स में मूल्य तीव्रताओं के बहुलवादी और स्टीयरेबल नियंत्रण को सक्षम किया जा सके।
यह शोध पत्र एंडोजेनस स्टीयरिंग रेजिस्टेंस (ESR) को प्रस्तुत करता है, जो एक ऐसी घटना है जहाँ लार्ज लैंग्वेज मॉडल्स विशिष्ट लेटेंट फीचर्स की पहचान करके टास्क-मिसअलाइन्ड एक्टिवेशन स्टीयरिंग का स्वायत्त रूप से पता लगाते हैं और मौखिक रूप से उसे अस्वीकार करते हैं, एक ऐसी क्षमता जिसे फाइन-ट्यूनिंग के माध्यम से बढ़ाया जा सकता है लेकिन यह मॉडल सुरक्षा और लाभकारी स्टीयरिंग हस्तक्षेपों की विश्वसनीयता, दोनों के लिए दोहरे निहितार्थ प्रस्तुत करती है।
यह शोध पत्र विज़न-लैंग्वेज मॉडल्स की रिप्रजेंटेशनल ज्योमेट्री (representational geometry) की जांच करता है ताकि यह प्रकट किया जा सके कि लेटेंट "कॉन्सेप्ट वेक्टर्स" के बीच का ज्यामितीय ओवरलैप विशिष्ट विजुअल विफलता पैटर्न, जैसे कि मतिभ्रम (hallucinations) और ऑब्जेक्ट कन्फ्यूजन, को मात्रात्मक रूप से समझाता है, जिन्हें स्टीयरिंग इंटरवेंशन के माध्यम से विश्वसनीय रूप से मैनिपुलेट किया जा सकता है।
यह शोध पत्र टोकामाइंड (TokaMind) को प्रस्तुत करता है, जो विषम MAST टोकामक डेटा पर प्रीट्रेन किया गया पहला ओपन-सोर्स मल्टी-मोडल ट्रांसफॉर्मर फाउंडेशन मॉडल है, जो 14 विविध प्लाज्मा डायनेमिक्स कार्यों में अत्याधुनिक बेसलाइनों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि कार्डिएक पैथोलॉजी भविष्यवाणी के लिए सीमित लेबल सेटिंग्स के तहत, प्रदर्शन के लिए मॉडल की जटिलता बढ़ाने की तुलना में नैदानिक रूप से सार्थक शारीरिक (एनाटॉमिकल) निरूपणों की गुणवत्ता अधिक महत्वपूर्ण है, जो यह सुझाव देता है कि संसाधन-बाधित स्वास्थ्य सेवा परिदृश्यों में सूचनात्मक शरीर रचना की पहचान करना ही मुख्य कुंजी है।