23845 पेपर
यह शोध पत्र Conf-Gen को प्रस्तुत करता है, जो एक सामान्य ढांचा है जो अनसुपरवाइज्ड जनरेटिव मॉडल्स जैसे कि LLMs और इमेज जनरेटर्स के लिए कॉन्फॉर्मल रिस्क कंट्रोल को अनुकूलित करता है, जिससे गैर-मेमोराइज्ड इमेज जनरेशन को सत्यापित करने, संवादात्मक स्पष्टता और एजेंट की शुद्धता जैसे विविध कार्यों के लिए औपचारिक अनिश्चितता गारंटी प्रदान की जा सके।
यह अध्ययन प्रदर्शित करता है कि फ्रंटियर LLM-आधारित एजेंट, जब विशिष्ट ऑन्टोलॉजी और एनोटेशन दिशानिर्देशों से सुसज्जित होते हैं, तो वे प्रशिक्षित मानव बायोक्यूरेटर्स के समान प्रदर्शन स्तर प्राप्त करके और पारंपरिक NLP उपकरणों से काफी बेहतर प्रदर्शन करके प्राकृतिक फेनोटाइप एनोटेशन की स्केलेबिलिटी बाधा को दूर कर सकते हैं।
यह शोध पत्र डीप लर्निंग प्रशिक्षण और हैमिल्टन-जैकबी इनिशियल-वैल्यू समस्याओं के बीच एक सटीक गणितीय पत्राचार स्थापित करता है, जो सामान्यीकरण, मजबूती और एट्रिब्यूशन में सटीक सैद्धांतिक अंतर्दृष्टि प्राप्त करने के लिए एक एकल विरूपण पैरामीटर (deformation parameter) के तहत न्यूरल नेटवर्क आर्किटेक्चर, ट्रॉपिकल बीजगणित, विस्कस PDEs और उत्तल अनुकूलन (convex optimization) को एकीकृत करता है।
बीम्स (BEAMS) पहल मॉडलिंग और सिमुलेशन के लिए एआई (AI) उपकरणों का मूल्यांकन करने हेतु ओपन बेंचमार्क और स्वचालित परीक्षण स्थापित करती है, जिससे यह पता चलता है कि हालांकि वर्तमान प्रणालियाँ गुणात्मक कार्यों और चर्चा में उत्कृष्ट हैं, फिर भी वे कारण संबंधी तर्क (causal reasoning) और मात्रात्मक त्रुटि सुधार में संघर्ष करती हैं, जो मानव-केंद्रित, जिम्मेदार एआई विकास की आवश्यकता को रेखांकित करती है।
यह शोध पत्र LLM-आधारित रेज़्यूमे स्क्रीनिंग में वास्तविक दुनिया के प्रॉम्प्ट इंजेक्शन हमलों का पहला व्यवस्थित अध्ययन प्रस्तुत करता है, जो 200,000 रेज़्यूमे का विश्लेषण करके यह प्रकट करता है कि लगभग 1% में छिपे हुए इंजेक्शन मौजूद हैं, उनकी व्यापकता बढ़ रही है, और अधिकांश में स्पष्ट निर्देशों का उपयोग नहीं किया गया है।
यह शोध पत्र FormInv प्रस्तुत करता है, जो एक ऐसा मापन प्रोटोकॉल है जो यह उजागर करता है कि गणितीय तर्क संबंधी बेंचमार्क में सिमेंटिक इनवेरिएंस (अर्थगत अपरिवर्तनीयता) की खामियां मॉडल रैंकिंग को कैसे विकृत करती हैं और समग्र सटीकता तथा सिमेंटिक निरंतरता के बीच एक महत्वपूर्ण अंतर को प्रकट करती है, जो यह प्रदर्शित करता है कि बेंचमार्क डिजाइन के विकल्प अप्रत्यक्ष रूप से यह निर्धारित करते हैं कि कौन से मॉडल श्रेष्ठ दिखाई देते हैं।
LoRe एक प्रशिक्षण-मुक्त (training-free), इन्फरेंस-टाइम रैपर है जो उच्च-संघर्ष (high-conflict) या उच्च-अनिश्चितता (high-uncertainty) वाले किनारों (edges) पर प्रति-चरण इंटरैक्शन मूल्यांकन को गतिशील रूप से रूट करके कॉम्बिनेटरियल ऑप्टिमाइज़ेशन के लिए डिफ्यूजन-आधारित न्यूरल सॉल्वर्स की स्केलेबिलिटी को बढ़ाता है, जिससे MIS और TSP जैसी बड़ी समस्याओं पर समाधान की गुणवत्ता को बनाए रखते हुए महत्वपूर्ण गति वृद्धि और मेमोरी में कमी प्राप्त होती है।
यह शोध पत्र क्रॉस-मॉडल एंट्रॉपी (CME) का प्रस्ताव करता है, जो एक लेबल-मुक्त सुदृढीकरण लर्निंग रिवॉर्ड सिग्नल है, जो ग्राउंड-ट्रुथ लेबल या मानवीय प्राथमिकताओं पर निर्भर किए बिना ओपन-एंडेड इंस्ट्रक्शन फॉलोइंग के प्रभावी पोस्ट-ट्रेनिंग को सक्षम करने के लिए एक स्वतंत्र वेरीफायर मॉडल के तहत जनरेटर के आउटपुट के लॉग-लाइक्लीहुड का लाभ उठाता है।
यह अध्ययन DOT फ्रेमवर्क को मान्य करने के लिए 72 उच्च शिक्षा विशेषज्ञों के एक क्रॉस-सेक्शनल सर्वेक्षण का उपयोग करता है, जिससे यह पता चलता है कि जहाँ शिक्षक एक शैक्षणिक सहायता उपकरण के रूप में एआई (AI) के प्रति अनुकूल दृष्टिकोण रखते हैं और मानवीय निरीक्षण पर जोर देते हैं, वहीं उनके वर्तमान कार्यान्वयन अभ्यास अक्सर व्यवस्थित डिजाइन तत्वों की कमी प्रदर्शित करते हैं और सीमित नीति एवं प्रशिक्षण जैसे संस्थागत अवरोधों से बाधित होते हैं।
यह शोध पत्र डिफरेंशिएबल बिलीफ-बेस्ड अपोनेंट शेपिंग (D-BOS) का प्रस्ताव करता है, जो एक प्रथम-क्रम विधि (first-order method) है जो -स्टेप सॉफ्टमैक्स-बेयस बिलीफ डायनेमिक्स के माध्यम से डिफरेंशिएट करके मल्टी-एजेंट रणनीतियों को अनुकूलित करती है ताकि हार्ड-कोडेड धोखे के उद्देश्यों पर निर्भर किए बिना स्वाभाविक रूप से विरोधियों के विश्वासों को आकार दिया जा सके, जिससे मौजूदा बेसलाइन की तुलना में हिडन-रोल और मिक्स्ड-मोटिव खेलों में बेहतर प्रदर्शन प्राप्त होता है।