23200 पेपर
यह शोध पत्र जेनेटिक एल्गोरिदम-आधारित प्रॉम्प्ट जनरेशन का उपयोग करने वाली एक एडवर्सरियल तकनीक प्रस्तुत करता है, जो LLM-संचालित रिवर्स इंजीनियरिंग टूल्स की कमजोरियों का फायदा उठाने के लिए है, यह प्रदर्शित करते हुए कि कैसे हमलावर स्ट्रिंग वेरिएबल्स के माध्यम से गुप्त निर्देश इंजेक्ट कर सकते हैं ताकि AI एजेंटों को बाइनरी एक्जीक्यूटेबल्स की गलत व्याख्या करने और स्वचालित मैलवेयर डिटेक्शन को बायपास करने के लिए भ्रमित किया जा सके।
यह शोध पत्र इस बात की जांच करता है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) अपने प्रत्यक्ष व्यवहार और आंतरिक सक्रियणों (इंटरनल एक्टिवेशन्स) दोनों में किस हद तक मानव-समान अनिश्चितता संकेतों को प्रदर्शित करते हैं, और विभिन्न डेटासेट्स पर इस "अनिश्चितता संरेखण" (अनसर्टेन्टी अलाइनमेंट) एवं पारंपरिक अंशांकन मेट्रिक्स (कैलिब्रेशन मेट्रिक्स) के बीच संबंध और निर्देश फाइन-ट्यूनिंग के प्रभाव का परीक्षण करता है।
यह शोध पत्र बाइनरी सोर्स कोड में अंतर्निहित प्रॉम्प्ट इंजेक्शन हमलों के प्रति एजेंटिक सॉफ्टवेयर रिवर्स इंजीनियरिंग सिस्टम की संवेदनशीलता की जांच करता है, और प्रोडक्शन-लेवल साइबर वर्कफ़्लो को सुरक्षित करने के लिए डीकंपाइलर आउटपुट में इन हमलों को अस्पष्ट (obfuscate) करने और उन्हें पहचानने दोनों के लिए विधियों का प्रस्ताव और मूल्यांकन करता है।
यह शोध पत्र एक एलएलएम-निर्देशित विकासवादी खोज (LLM-guided evolutionary search) और एक मल्टी-एजेंट सिम्युलेटर (Medi-Sim) का उपयोग करके स्वास्थ्य सेवा तंत्र डिजाइन को प्रोग्राम सिंथेसिस समस्या के रूप में पुनर्गठित करता है, जो रणनीतिक प्रदाता प्रतिक्रियाओं को गतिशील रूप से मॉडल करता है, और सफलतापूर्वक एक निरीक्षण योग्य नियम-आधारित तंत्र को संश्लेषित करता है जो वित्तीय व्यवहार्यता बनाए रखते हुए अप-कोडिंग को समाप्त करता है और रोगी अस्वीकृति को कम करता है।
यह शोधपत्र चार नियंत्रित अध्ययनों के माध्यम से ReAct एजेंटों में अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन (indirect prompt injection) की जांच करता है, जो यह प्रकट करता है कि इंजेक्शन की गहराई (injection depth) प्रमुख जोखिम कारक है जिसके कारण जैसे-जैसे पेलोड टूल अनुक्रमों (tool sequences) में बाद में आते हैं, हमले की सफलता दर महत्वपूर्ण रूप से घट जाती है, जबकि फ्रेमिंग का प्रभाव नगण्य है और टर्न बजट परिणामों को प्रभावित नहीं करते हैं।
यह शोध पत्र EAGLE का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त मल्टी-एजेंट फ्रेमवर्क है जो केवल उत्तरों की सहमति के बजाय संरेखित दृश्य साक्ष्यों को प्राथमिकता देकर विजन-लैंग्वेज मॉडल (Vision-Language Model) की सर्वसम्मति को बढ़ाता है, जिससे विविध VQA बेंचमार्क पर बेहतर और व्याख्या योग्य प्रदर्शन प्राप्त होता है।
यह शोध पत्र प्रॉम्प्टेड पॉलिसी ऑप्टिमाइज़ेशन (PromptPO) को प्रस्तुत करता है, जो एक पुनरावृत्ति विधि है जो वातावरण के विवरणों से निष्पादन योग्य नीतियों को उत्पन्न करने और उन्हें परिष्कृत करने के लिए LLMs का लाभ उठाती है, यह प्रदर्शित करते हुए कि LLMs क्रमिक RL कार्यों के लिए प्रभावी पॉलिसी ऑप्टिमाइज़र के रूप में कार्य कर सकते हैं जब वे पूर्व ज्ञान का लाभ उठा सकते हैं, हालांकि वे उन सेटिंग्स में कम प्रदर्शन कर सकते हैं जिनमें सूक्ष्म निरंतर नियंत्रण (fine-grained continuous control) की आवश्यकता होती है।
यह अध्ययन कालीमती सब्जी मूल्य सूचकांक (KVPI) और एक मोमेंटम-करेक्टेड ऑनलाइन स्टैकिंग एन्सेम्बल मॉडल पेश करता है जो नेपाल में कृषि वस्तुओं के लिए अत्यधिक सटीक 90-दिवसीय मूल्य पूर्वानुमान (0.68% MAPE) प्राप्त करता है, जो बाजार की अस्थिरता के बीच खाद्य सुरक्षा बढ़ाने के लिए नीति निर्माताओं को एक मजबूत उपकरण प्रदान करता है।
यह शोध पत्र MAVEN को प्रस्तुत करता है, जो एक हल्का प्रतीकात्मक तर्क ढांचा (symbolic reasoning scaffold) है जो संरचित अपघटन (structured decomposition), अनुकूलन योग्य ऑर्केस्ट्रेशन (adaptive orchestration) और मध्यवर्ती सत्यापन (intermediate verification) को सक्षम करके एजेंटिक टूल कॉलिंग में सामान्यीकरण और एंड-टू-एंड कार्य सफलता में महत्वपूर्ण सुधार करता है, जैसा कि एक नए स्ट्रेस-टेस्ट बेंचमार्क पर एक ओपन-वेट मॉडल के प्रदर्शन को बढ़ाने की इसकी क्षमता द्वारा प्रदर्शित किया गया है, जबकि यह मालिकाना प्रणालियों (proprietary systems) के साथ लागत-प्रतिस्पर्धी बना रहता है।
यह शोध पत्र GRiD का प्रस्ताव करता है, जो एक नवीन फ्रेमवर्क है जो मौजूदा विधियों की सीमाओं को दूर करने और नॉलेज ग्राफ रीजनिंग के लिए व्याख्या योग्य ग्राफ-जैसे नियमों को प्रभावी ढंग से उत्पन्न करने के लिए सुपरवाइज्ड प्री-ट्रेनिंग और रीइन्फोर्समेंट लर्निंग को संयोजित करने वाली एक द्वि-चरणीय प्रशिक्षण रणनीति का लाभ उठाता है।