23200 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) पाइपलाइनों में, प्रश्न-उत्तर की सटीकता का प्राथमिक निर्धारक दस्तावेज़ रूपांतरण के दौरान उत्तर-युक्त सामग्री का संरक्षण (उत्तर प्रतिधारण) है, जो यह सुझाव देता है कि जब प्रतिधारण उच्च होता है, तो शब्दावली या संरचना जैसे अन्य प्रतिनिधित्व कारक सीमित प्रभाव डालते हैं।
यह शोध पत्र MechVQA को प्रस्तुत करता है, जो 21K प्रश्न-उत्तर युग्मों वाला मैकेनिकल ड्राइंग समझने के लिए पहला व्यापक डेटासेट और बेंचमार्क है, और MechVL को प्रस्तुत करता है, जो एक विशेष मल्टीमॉडल मॉडल है जो इंजीनियरिंग ड्राइंग में उच्च एनोटेशन घनत्व और सख्त ज्यामितीय बाधाओं की अनूठी चुनौतियों का समाधान करके मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र प्रेडिक्शन मार्केट रेजोल्यूशन के लिए मल्टी-एजेंट एआई ओरकल सिस्टम का मूल्यांकन करता है, जिसमें यह पाया गया है कि जहाँ कॉन्फिडेंस-वेटेड इंडिपेंडेंट एग्रीगेशन सिंगल-एलएलएम बेसलाइन से थोड़ा बेहतर प्रदर्शन करता है, वहीं विचारोन्मुखी आम सहमति (डेलिब्रेटिव कंसेंसस) त्रुटि प्रसार के कारण प्रदर्शन को कम कर देती है, जो अंततः एक हाइब्रिड रूटिंग रणनीति को प्रेरित करती है जो केवल सर्वसम्मत, उच्च-विश्वास वाले मामलों को ऑटो-रिजॉल्व करके और असहमति के मामलों को मानवीय समीक्षा के लिए भेजकर 97.87% सटीकता प्राप्त करती है।
यह शोध पत्र DPPrefSyn को प्रस्तुत करता है, जो DP-PCA के साथ एक निजी ब्रैडली-टेरी मॉडल को सीखकर और उपयोगकर्ता गोपनीयता से समझौता किए बिना मानवीय मूल्यों को बनाए रखने के लिए सार्वजनिक प्रॉम्प्ट्स का लाभ उठाकर, लार्ज लैंग्वेज मॉडल अलाइनमेंट के लिए डिफरेंशियल प्राइवेट सिंथेटिक प्रिफरेंस डेटा उत्पन्न करने वाला पहला फ्रेमवर्क है।
यह शोध पत्र SLAT को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो चेन-ऑफ-थॉट तर्क की दक्षता में सुधार करता है, जिससे सैद्धांतिक रूप से अनावश्यक, उच्च-संभाव्यता वाले खंडों की पहचान और अनुकूल रूप से उनकी छंटाई की जाती है, जिससे सटीकता से समझौता किए बिना तर्क की लंबाई में 50% की कमी आती है।
यह शोध पत्र 'लुकअहेड ग्रुप रिवॉर्ड' (Lookahead Group Reward) प्रस्तावित करके ऑन-पॉलिसी डिस्टिलेशन में 'सुपरविजन फिडेलिटी डिके' (Supervision Fidelity Decay) की महत्वपूर्ण समस्या को संबोधित करता है, जहाँ लंबे रीजनिंग चेन के दौरान शिक्षक का मार्गदर्शन कमजोर हो जाता है, जो जटिल गणित और कोड बेंचमार्क पर छात्र मॉडल के प्रदर्शन को महत्वपूर्ण रूप से सुधारने के लिए उम्मीदवार टोकन का मूल्यांकन उनके द्वारा प्रेरित भविष्य के शिक्षक विश्वास (future teacher confidence) के आधार पर करता है।
यह शोध पत्र **Hide-and-Seek** को प्रस्तुत करता है, जो केवल प्रक्षेपवक्र-स्तर (trajectory-level) के लेबल का उपयोग करके विजन-लैंग्वेज-एक्शन (VLA) मॉडल के लिए विफलता-सूचक क्रियाओं को स्थानीयकृत करने और टेम्पोरल रूप से संरचित विफलता संकेतों को उत्पन्न करने वाला एक कोर्सली सुपरवाइज्ड (coarsely supervised) फ्रेमवर्क है, जिससे महंगे रीसैंपलिंग या स्टेप-लेवल एनोटेशन की आवश्यकता के बिना मजबूत, वास्तविक समय में विफलता का पता लगाना सक्षम होता है।
यह शोध पत्र कैनोपी एंट्रॉपी () प्रस्तुत करता है, जो एक नवीन मीट्रिक है जो आउटपुट की लंबाई को ध्यान में रखता है ताकि यह प्रकट किया जा सके कि फाइन-ट्यूनिंग न केवल भाषा मॉडलों में अनिश्चितता को कम करती है, बल्कि सूचना संप्रेषण और अर्थ संबंधी विविधता को बढ़ाने के लिए इसे मौलिक रूप से पुनर्गठित भी करती है।
यह शोध पत्र सेफ इक्विलिब्रियम पॉलिसी ऑप्टिमाइजेशन (SEPO) को प्रस्तुत करता है, जो एक ऐसा प्रशिक्षण उद्देश्य है जो भाषा मॉडल एजेंटों में रणनीतिक विफलता के मोड को कम करने के लिए अपेक्षित प्रतिफल (expected payoff) को शोषण क्षमता (exploitability), मिलीभगत (collusion) और बाह्य कारकों (externalities) के लिए दंड के साथ संवर्धित करता है, जो ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन के माध्यम से जेम्मा (Gemma) और क्वेन (Qwen) मॉडलों पर लागू होने पर पांच रणनीतिक डोमेन में बेहतर सुरक्षा और इक्विलिब्रियम प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र सोफ्रोसिन (Sophrosyne) को प्रस्तुत करता है, जो निर्देश-निर्देशित प्रतिक्रियाओं के माध्यम से Text2SQL एजेंटों द्वारा सूक्ष्म-स्तरीय (fine-grained) API के अत्यधिक अन्वेषण को कम करता है, जिससे अनावश्यक अन्वेषण में उल्लेखनीय कमी आती है और SQL जनरेशन की सटीकता में सुधार होता है।