23845 पेपर
यह शोध पत्र परस्पर विरोधी बहु-स्रोत व्यक्तिगत स्मृति पर चयनात्मक प्रश्न उत्तर देने के लिए एक व्यापक नैदानिक टेस्टबेड और विधि तुलना प्रस्तुत करता है, जो यह प्रदर्शित करता है कि प्रशिक्षित फ्यूजन रिज़ॉलवर्स एक बड़े पैमाने के, नियंत्रित बेंचमार्क में सटीकता और चयनात्मक परहेज क्षमताओं में फ्रंटियर एलएलएम (LLMs) से बेहतर प्रदर्शन करते हैं।
यह अध्ययन एलएलएम (LLM) पेनिट्रेशन टेस्टिंग निरंतरता का पहला बड़े पैमाने पर अनुभवजन्य विश्लेषण प्रस्तुत करता है, जो यह प्रकट करता है कि एक निश्चित असुरक्षित लक्ष्य के विरुद्ध 400 बार किए गए परीक्षणों के दौरान चार मॉडलों ने स्वायत्त हमले की सफलता दर (25% से 85% तक) में सांख्यिकीय रूप से महत्वपूर्ण अंतर और विशिष्ट विफलता मोड प्रदर्शित किए।
यह शोध पत्र VLA-Trace प्रस्तुत करता है, जो एक नैदानिक ढांचा (diagnostic framework) है जो और OpenVLA जैसे विज़न-लैंग्वेज-एक्शन मॉडलों में विशिष्ट अनुकूलन पैटर्न (adaptation patterns), रूटिंग रणनीतियों और अर्थ संबंधी सीमाओं को प्रकट करने के लिए रिप्रजेंटेशन डायनेमिक्स, कॉज़ल कंट्रोल एट्रिब्यूशन और व्यवहार संबंधी विश्लेषण को एकीकृत करता है।
यह शोध पत्र उन जेनेटिक प्रोग्रामिंग दृष्टिकोणों का प्रस्ताव और मूल्यांकन करता है जो या तो व्याख्या योग्य फीचर सेट विकसित करते हैं या सर्वाइवल ट्री संरचनाओं और स्प्लिट लॉजिक को संयुक्त रूप से अनुकूलित करते हैं, जो यह प्रदर्शित करता है कि सटीक, उथले और स्वाभाविक रूप से निरीक्षण योग्य सर्वाइवल मॉडल बनाने के लिए पूर्ण संयुक्त विकास सबसे आशाजनक परिणाम देता है।
यह शोध पत्र सिंगल-स्टेज स्पार्स रिट्रीवल (SSR) प्रस्तुत करता है, जो एक नया प्रतिमान (पैराडाइम) है जो पारंपरिक मल्टी-वेक्टर रिट्रीवल मॉडल्स की क्लस्टरिंग और कम्प्रेशन बाधाओं को स्पार्स ऑटोएनकोडर्स के माध्यम से हाई-डायमेंशनल स्पार्स कोडिंग से बदल देता है, जिससे इंडेक्सिंग समय में 15 गुना की कमी, रिट्रीवल लेटेंसी में आधी कमी और BEIR बेंचमार्क पर बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र DAMEL का प्रस्ताव करता है, जो एक ड्यूल-एक्सिस मल्टी-एक्सपर्ट लर्निंग एल्गोरिदम है जो संकलित सहायक क्लासिफायर और वेट एग्रीगेशन के माध्यम से रिप्रेजेंटेशन और टाइम एक्सिस के साथ कई विशेषज्ञों को एकीकृत करके क्लास-इम्बैलेंस्ड लर्निंग में प्रेडिक्शन बायस और वेरिएंस को एक साथ कम करता है।
यह शोध पत्र Agent-Radar प्रस्तुत करता है, जो एक नवीन टेम्पोरल (सामयिक) और स्पेशियल (स्थानिक) क्षय तंत्र का उपयोग करके मल्टी-एजेंट अटेंशन को प्रासंगिक संदर्भ की ओर गतिशील रूप से निर्देशित करने वाली एक ट्रेनिंग-मुक्त विधि है, जो सूचना के तनुकरण (डाइल्यूशन) को कम करके लॉन्ग-होरिज़ॉन सहयोगात्मक कार्यों में अत्याधुनिक दृष्टिकोणों से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र AgentSchool को प्रस्तुत करता है, जो एक LLM-संचालित मल्टी-एजेंट सिम्युलेटर है जो वास्तविक दुनिया के शैक्षिक परीक्षणों की नैतिक और लॉजिस्टिक बाधाओं को दूर करने के लिए सीखने को रोल-प्ले के बजाय स्टेट ट्रांज़िशन के रूप में मॉडल करता है, जिससे कॉन्फ़िगर करने योग्य छात्र और शिक्षक एजेंटों के माध्यम से संज्ञानात्मक विकास, सामाजिक गतिशीलता और संस्थागत तर्क का अध्ययन सक्षम होता है।
यह शोध पत्र प्रदर्शित करता है कि एंकरलेस (anchorless) विधियाँ, विशेष रूप से सिमेंटिक डायरेक्शन स्ट्रैटिफिकेशन (semantic direction stratification) और पॉपुलेशन-रेफरेंशियल डाइवर्जेंस (population-referential divergence), गुणवत्ता और लागत दक्षता बनाए रखते हुए समानांतर LLM आइडिएशन पूल्स को प्रभावी ढंग से विविध बनाती हैं, जो अक्सर पारंपरिक सीड-डिपेंडेंट (seed-dependent) दृष्टिकोणों से बेहतर या उनके समकक्ष प्रदर्शन करती हैं।
यह अनुदैर्ध्य अध्ययन प्रदर्शित करता है कि जहाँ केवल मॉडल संस्करण अपडेट गणितीय कार्यों की संज्ञानात्मक मांग को वर्गीकृत करने में असंगत परिणाम देते हैं, वहीं फ़्यू-शॉट प्रॉम्प्टिंग (few-shot prompting) सामान्य-उद्देश्य और शिक्षा-विशिष्ट दोनों प्रकार के एआई उपकरणों के प्रदर्शन में महत्वपूर्ण और विश्वसनीय रूप से सुधार करती है, जो यह सुझाव देता है कि शैक्षिक संदर्भों में एआई को बेहतर बनाने के लिए केवल निष्क्रिय मॉडल सुधारों पर निर्भर रहने के बजाय प्रॉम्प्ट इंजीनियरिंग एक अधिक प्रभावी रणनीति है।