23200 पेपर
यह शोध पत्र TypewriterLM का परिचय देता है, जो विशेष रूप से 1913 से पूर्व के अंग्रेजी ग्रंथों पर प्रशिक्षित एक 7.24B भाषा मॉडल है, साथ ही इसके साथ जुड़े 54B-टोकन वाले TypewriterCorpus, शाब्दिक रूप से आधारित (lexically grounded) पोस्ट-ट्रेनिंग डेटासेट और 'History-Event' बेंचमार्क को ऐतिहासिक भाषा मॉडलों के लिए डेटा गुणवत्ता, टेम्पोरल लीकेज (temporal leakage) और मूल्यांकन की चुनौतियों को संबोधित करने हेतु प्रस्तुत किया गया है।
यह शोध पत्र ConTraIRL का प्रस्ताव करता है, जो एक ड्यूल-एनकोडर आर्किटेक्चर और कंट्रास्टिव ऑब्जेक्टिव्स का उपयोग करके इन्वर्स रिइन्फोर्समेंट लर्निंग में विश्वसनीय रिवॉर्ड ट्रांसफर प्राप्त करने वाला एक फ्रेमवर्क है, जिससे एनवायरनमेंट डायनेमिक्स और टास्क गोल्स के डिकपल्ड लेटेंट रिप्रेजेंटेशन को सीखने में मदद मिलती है, जो अंततः अनदेखे पेयरिंग्स के लिए प्रभावी कंपोजिशनल जनरलाइजेशन को सक्षम बनाता है।
यह शोध पत्र यह तर्क देता है कि जटिल एआई आर्टिफैक्ट्स के ऑडिट और पुनर्निर्माण करने की अक्षमता के कारण पारंपरिक कॉपीलेफ्ट लाइसेंस आर्टिफिशियल जनरल इंटेलिजेंस (AGI) के लिए अप्रभावी हैं, और इसके बजाय यह प्रस्तावित करता है कि वास्तविक पारदर्शिता और उपयोगकर्ता स्वतंत्रता सुनिश्चित करने के लिए एजीआई गवर्नेंस को रिप्रोड्यूसिबल बिल्ड्स और प्रोटोकॉल-आधारित कपलिंग के ढांचे की ओर स्थानांतरित होना चाहिए।
ऑडिटफ्लो (AuditFlow) एक ग्राफ-ग्राउंडेड मल्टी-एजेंट फ्रेमवर्क है जो एक प्रतीकात्मक वातावरण को अनुकूली खोज और नियतात्मक सत्यापन के साथ एकीकृत करता है ताकि रिपोर्ट किए गए तथ्यों को वर्गीकरण अवधारणाओं से जोड़कर और मूल्यों की पुनर्गणना करके संरचित वित्तीय ऑडिट सटीकता में महत्वपूर्ण सुधार किया जा सके, जिससे एक बेंचमार्क डेटासेट पर 82.09% सटीकता प्राप्त हुई है।
यह शोध पत्र तर्क देता है कि वर्तमान LLM एजेंट प्रोटोकॉल "मार्केट फॉर लेमन्स" (market for lemons) की समस्या से ग्रस्त हैं जहाँ unverifiable और संभाव्य क्षमताएं अविश्वसनीय इंटरैक्शन की ओर ले जाती हैं, और एक प्रोटोकॉल-अज्ञेय (protocol-agnostic) "ट्रस्ट लेयर" का प्रस्ताव करता है जिसमें सिग्नलिंग, स्क्रीनिंग और प्रतिष्ठा तंत्र शामिल हैं ताकि एक उच्च-विश्वास संतुलन स्थापित किया जा सके और विश्वसनीय प्रतिनिधिमंडल (delegation) सुनिश्चित किया जा सके।
TriEval एक ओपन-सोर्स, संसाधन-कुशल पाइपलाइन है जो मानक हार्डवेयर पर एलएलएम (LLMs) का पूर्वाग्रह, विषाक्तता और सत्यता के लिए एक साथ मूल्यांकन करती है, जो ओपन-सोर्स और क्लोज्ड-सोर्स मॉडलों के बीच महत्वपूर्ण प्रदर्शन अंतर को प्रकट करते हुए सीमित कंप्यूटेशनल संसाधनों वाले शोधकर्ताओं के लिए पहुंच का लोकतंत्रीकरण करती है।
यह शोध पत्र RelGT-AC का प्रस्ताव करता है, जो एक रिलेशनल ग्राफ ट्रांसफॉर्मर है जो कॉलम मास्किंग, एक एकीकृत टास्क हेड और एक TF-IDF टेक्स्ट एनकोडर को एकीकृत करके विविध रिग्रेशन और टेक्स्ट-हैवी क्लासिफिकेशन परिदृश्यों में मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करते हुए रिलेशनल डेटाबेस में ऑटोकम्प्लीट कार्यों को बढ़ाता है।
यह शोध पत्र ToolGate को प्रस्तुत करता है, जो एक हल्का बाहरी नियंत्रक (external controller) है जो विजन-लैंग्वेज एजेंटों में प्रस्तावित टूल कॉल्स को निष्पादित करने या छोड़ने की कुशलतापूर्वक भविष्यवाणी करता है, जिससे विभिन्न बेंचमार्क पर सटीकता बनाए रखते हुए या उसमें सुधार करते हुए टोकन लागत को काफी कम किया जा सकता है।
SkillDAG एक स्व-विकसित (self-evolving), टाइप किया हुआ निर्देशित ग्राफ (typed directed graph) ढांचा पेश करता है जो LLM एजेंटों को निष्पादन के दौरान कौशल संबंधों के बारे में गतिशील रूप से पुनर्प्राप्त करने और संरचनात्मक रूप से तर्क करने में सक्षम बनाता है, जिससे यह निष्पादन-आधारित ज्ञान को संचित करके और कौशल पुस्तकालयों के विस्तार के साथ मजबूत उम्मीदवार रैंकिंग बनाए रखकर जटिल कार्य वातावरणों में मौजूदा बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र नौ आणविक निरूपणों (molecular representations) और आठ रासायनिक कार्यों (chemical tasks) में 16 LLMs का एक व्यवस्थित बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि प्रदर्शन अत्यधिक निरूपण-निर्भर है और कोई भी एकल प्रारूप सभी कार्यों पर हावी नहीं है, जिससे निरूपण-अपरिवर्तनीय मूल्यांकन (representation-invariant evaluation) के विरुद्ध तर्क दिया गया है और कार्य-जागरूक निरूपण रूटिंग (task-aware representation routing) की वकालत की गई है।