20014 पेपर
यह शोधपत्र VerIH प्रस्तुत करता है, जो एक प्रशिक्षण डेटासेट और सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण है जो निर्देश पदानुक्रम समाधान (instruction hierarchy resolution) को एक तर्क कार्य के रूप में पुनर्गठित करता है, जिससे भाषा मॉडल परस्पर विरोधी निर्देशों को प्रभावी ढंग से प्राथमिकता देने में सक्षम होते हैं और निर्देश पालन एवं सुरक्षा हमलों के विरुद्ध मजबूती में महत्वपूर्ण सुधार करते हैं।
यह शोध पत्र H3Former का प्रस्ताव करता है, जो फाइन-ग्रेन्ड विजुअल क्लासिफिकेशन के लिए एक नवीन टोकन-टू-रीजन फ्रेमवर्क है, जो उच्च-क्रम की सिमेंटिक निर्भरताओं को कैप्चर करने के लिए भारित हाइपरग्राफ बनाने हेतु एक सिमेंटिक-अवेयर एग्रीगेशन मॉड्यूल का उपयोग करता है और एक नॉन-यूक्लिडियन स्पेस में पदानुक्रमित बाधाओं को लागू करने के लिए हाइपरबोलिक हिरार्किकल कॉन्ट्रास्टिव लॉस का उपयोग करता है, जिससे मानक बेंचमार्क पर उत्कृष्ट प्रदर्शन प्राप्त होता है।
यह शोध पत्र BREW को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एक नवीन एक्सपैंड-एंड-गैदर मोंटे कार्लो ट्री सर्च एल्गोरिदम और हिंडसाइट रीलेबलिंग का उपयोग करके पिछले इंटरेक्शन ट्रेजेक्टरीज को प्राकृतिक भाषा की रेसिपी के एक संरचित, रिट्रीवेबल नॉलेज बेस में संकलित (distill) करके LLM-आधारित एजेंटों को उन्नत करता है, जिसके परिणामस्वरूप कई बेंचमार्क में कार्य सफलता दर और निष्पादन दक्षता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र RIS-सहायता प्राप्त मल्टी-यूज़र डाउनलिंक सिस्टम में सम रेट (sum rate) और ऊर्जा दक्षता को अधिकतम करने के लिए पिंचिंग-एंटीना स्थितियों, RIS फेज शिफ्ट्स और बीमफॉर्मिंग वेक्टर्स को संयुक्त रूप से अनुकूलित करने हेतु एक नवीन तीन-चरणीय ग्राफ न्यूरल नेटवर्क (GNN) फ्रेमवर्क प्रस्तावित करता है, जो मजबूत सामान्यीकरण क्षमताओं के साथ एक वास्तविक समय का समाधान प्रदान करता है।
यह शोध पत्र प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स समस्या की कठिनाई को एक द्वि-चरणीय प्रतिनिधित्व पदानुक्रम (two-stage representational hierarchy) के माध्यम से संसाधित करते हैं, जहाँ उथले स्तरों (shallow layers) में भाषा-निरपेक्ष संकेत उभरते हैं ताकि क्रॉस-लिंगुअल सामान्यीकरण सक्षम हो सके, जबकि गहरे स्तरों (deeper layers) में भाषा-विशिष्ट संकेत एक ही भाषा के भीतर सटीकता को अनुकूलित करते हैं।
यह शोध पत्र विरोधाभास-आधारित उत्तरदायी एआई शासन (PRAIG) ढांचे को प्रस्तुत करके उत्तरदायी एआई पर बिखरे हुए साहित्य को संबोधित करता है, जो एआई के रणनीतिक मूल्य सृजन और इसके नैतिक जोखिमों के बीच अंतर्निहित तनावों को गतिशील रूप से प्रबंधित करने में संगठनों को मार्गदर्शन देने के लिए विरोधाभास सिद्धांत का उपयोग करता है।
यह शोध पत्र को प्रस्तुत करता है, जो एक प्राथमिकता-सशर्त बहु-उद्देश्यीय सुदृढीकरण शिक्षण (multi-objective reinforcement learning) ढांचा है, जो एक विखंडित, विलंब-चरण भारण पाइपलाइन (decomposed, late-stage weighting pipeline) और एक विविधता नियमितकर्ता (diversity regularizer) का उपयोग करके मौजूदा विधियों की सीमाओं को दूर करता है ताकि विविध बेंचमार्क में बेहतर पारेटो फ्रंट कवरेज और उच्च-गुणवत्ता वाली नीतियां प्राप्त की जा सकें।
यह शोध पत्र मेट्रो नैशविले के साथ साझेदारी में आपातकालीन कॉल लेने वालों के लिए एक जनरेटिव एआई-संचालित प्रशिक्षण प्रणाली के डिजाइन, परिनियोजन और मूल्यांकन को प्रस्तुत करता है, जो गंभीर स्टाफिंग और स्केलेबिलिटी चुनौतियों का सामना कर रहे सुरक्षा-महत्वपूर्ण सार्वजनिक क्षेत्र के वातावरण में एआई-संचालित समाधानों के कार्यान्वयन के मार्गदर्शन हेतु वास्तविक दुनिया के उपयोग डेटा से चार प्रमुख सबक निकालता है।
यह अध्ययन संभाव्य जोखिम संचार के लिए पोस्ट-हॉक व्याख्याकार के रूप में नौ लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है और पाता है कि हालांकि वे आम तौर पर सुसंगत हैं, वे विशेष रूप से अनिश्चितता के संबंध में काफी गलत अंशांकित (miscalibrated) बने हुए हैं, जो यह संकेत देता है कि वे संख्यात्मक भविष्यवाणियों को प्राकृतिक भाषा में अनुवादित करने के लिए अभी तक विश्वसनीय ज़ीरो-शॉट उपकरण नहीं हैं।
यह शोध पत्र प्रकट करता है कि IDE-एकीकृत कोडिंग एजेंट, जो अलग-थलग चैट इंटरैक्शन में सुरक्षित प्रतीत होते हैं, उन्हें वर्कफ़्लो-स्तरीय जेलब्रेक के माध्यम से पूरी तरह से समझौता किया जा सकता है जो हानिकारक उद्देश्यों को मल्टी-टर्न सॉफ़्टवेयर विकास कार्यों में वितरित करते हैं, जो वर्तमान सुरक्षा बेंचमार्क और वास्तविक दुनिया के परिनियोजन जोखिमों के बीच एक महत्वपूर्ण अंतर को प्रदर्शित करता है।