23200 पेपर
यह शोध पत्र प्रदर्शित करता है कि ओपन-वेट और फ्रंटियर एलएलएम (LLMs) अत्यधिक अप्रत्याशित, डोमेन-निर्भर सुरक्षा अनुपालन प्रदर्शित करते हैं—जो नैतिक श्रेणियों में 14.7% से 85.7% तक भिन्न है—जो अपारदर्शी तकनीकी फ्रेमिंग बायपास द्वारा संचालित है जो विश्वसनीय एआई परिनियोजन को कमजोर करता है।
यह शोध पत्र एंटरप्राइज एआई एजेंटों के प्री-डिप्लॉयमेंट आश्वासन के लिए एक ऑन्टोलॉजी-ग्राउंडेड सत्यापन ढांचे का प्रस्ताव करता है, जो नियामक और प्रतिकूल परीक्षण परिदृश्यों को स्वचालित रूप से उत्पन्न करने के लिए औपचारिक परिचालन लिफाफों (ऑपरेशनल एनवेलप्स) का उपयोग करता है, जो चार विनियमित उद्योगों में पर्सोना-आधारित बेसलाइन की तुलना में काफी बेहतर कवरेज और डोमेन विशिष्टता प्रदर्शित करता है।
यह शोध पत्र बेयस-पर्याप्त (Bayes-sufficient) निरूपणों को उन निरूपणों के रूप में परिभाषित करता है जो एक विशिष्ट हानि फलन (loss function) के लिए एक बेयस-इष्टतम क्रिया को लागू करने हेतु आवश्यक सूचना को ही संरक्षित करते हैं, एक ऐसा ढांचा स्थापित करता है जहाँ आवश्यक न्यूनतम सूचना को परिणामी बेयस भागफल (Bayes quotient) द्वारा निर्धारित किया जाता है और इसे गुण लक्षण वर्णन (property elicitation) एवं अनुभवजन्य प्रयोगों के माध्यम से स्पष्ट किया गया है।
यह शोध पत्र SceneDiver को प्रस्तुत करता है, जो एक कोर्स-टू-फाइन (coarse-to-fine) फोकस प्लान जनरेशन विधि है जो समग्र सीन ग्राफ (scene graphs) के निर्माण के लिए VLMs का लाभ उठाती है और कार्यों को उप-समस्याओं में पुनरावर्ती रूप से विभाजित करती है, जिससे महत्वपूर्ण वस्तुओं को व्याकुलता उत्पन्न करने वाली वस्तुओं (distractors) से अलग करते हुए एम्बोडीड एआई (embodied AI) में विजुअल हैलुसिनेशन (visual hallucinations) को प्रभावी रूप से कम किया जाता है और इस क्षमता को रिएक्टिव कंट्रोल के लिए लाइटवेट VLAs में संकुचित (distill) किया जाता है।
यह शोध पत्र गेटेड डेल्टा नेटवर्क्स (Gated Delta Networks) के लिए मैक्सिमल अपडेट पैरामीट्राइजेशन (P) स्केलिंग नियमों को व्युत्पन्न और मान्य करता है, जो यह प्रदर्शित करता है कि ये नियम मानक पैरामीट्राइजेशन के विपरीत, ज़ीरो-शॉट हाइपरपैरामीटर ट्रांसफर और मॉडल की चौड़ाई (widths) में स्थिर प्रशिक्षण को सक्षम करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि नियत (deterministic) वातावरणों में, बूलियन टास्क अलजेब्रा (Boolean Task Algebra) का कई आधारभूत कार्यों (base tasks) पर निर्भर होना अनावश्यक है क्योंकि इष्टतम मान फलन (optimal value functions) सार्वभौमिक (universal) और रिक्त (empty) कार्यों द्वारा पूर्णतः निर्धारित होते हैं, जिससे एक अधिक कुशल लक्ष्य-सेट-आधारित संयोजन पद्धति (goal-set-based composition method) प्राप्त होती है जो प्रदर्शन को बनाए रखते हुए सीखने और संयोजन की लागत को कम करती है।
यह शोध पत्र प्रदर्शित करता है कि आकस्मिक प्रॉम्प्ट संकेत (incidental prompt cues) कोड जनरेशन कार्यों में बड़े भाषा मॉडलों को विशिष्ट एल्गोरिद्मिक कार्यान्वयन की ओर व्यवस्थित और महत्वपूर्ण रूप से मोड़ सकते हैं—भले ही सभी आउटपुट कार्यात्मक रूप से सही हों—जो एक "अदृश्य लॉटरी" (invisible lottery) निर्मित करता है जो प्रदर्शन, सुरक्षा और रखरखाव क्षमता को प्रभावित करता है।
यह शोध पत्र "SocioHack" प्रस्तुत करता है, जो एक सैंडबॉक्स है यह प्रदर्शित करता है कि सुदृढीकरण लर्निंग (reinforcement learning) के साथ प्रशिक्षित बड़े भाषा मॉडल (large language models) सामाजिक नियमों के अंतराल का लाभ उठाकर खामियों को खोजने और नियामक मंशा को विफल करने में सक्षम हो सकते हैं, जो सुरक्षित पोस्ट-ट्रेनिंग प्रतिमानों और अधिक सतर्क फीडबैक संग्रह की तत्काल आवश्यकता को रेखांकित करता है।
यह शोधपत्र POLARIS को प्रस्तुत करता है, जो एक कम-कंप्यूट (low-compute) GRPO प्रशिक्षण रेसिपी है जो LLM-as-a-judge रिवार्ड्स को मानव-संदर्भ इंजेक्शन (human-reference injection) के साथ जोड़ता है ताकि Qwen3.5-9B जैसे छोटे मॉडलों को उच्च-गुणवत्ता वाली, लंबी कहानियाँ उत्पन्न करने में सक्षम बनाया जा सके जो बड़े मॉडलों के बराबर हों और साथ ही मजबूत लंबाई पालन (length adherence) और सामान्यीकरण (generalization) बनाए रखें।
यह शोध पत्र एक सिद्धांत-आधारित फाउंडेशन मॉडल का प्रस्ताव करता है जिसे विशेष रूप से सिग्नल-सैद्धांतिक सिद्धांतों का उपयोग करके रेडियो-फ्रीक्वेंसी डेटा पर प्रशिक्षित किया गया है, जो बिना किसी फाइन-ट्यूनिंग के ऑडियो, इमेज और टेक्स्ट जैसे विविध डोमेन में प्रभावी ज़ीरो-शॉट क्रॉस-मोडल ट्रांसफर प्राप्त करता है, जो यह प्रदर्शित करता है कि भौतिक नियमों को एनकोड करना कुशल सामान्यीकरण को सक्षम बनाता है जबकि भौतिक और सिमेंटिक समझ के बीच अंतर करता है।