23845 पेपर
यह शोध पत्र एलएलएम-आधारित निर्णय लेने के लिए संरचित उपयोगकर्ता गतिविधि घटनाओं को टेक्स्ट में बदलने की अक्षम प्रथा को एक हल्के, ऑन-डिवाइस टेम्पोरल-ग्राफ-लर्निंग मॉडल से बदलने का प्रस्ताव देता है जो प्रोएक्टिव एजेंटों को ट्रिगर करने के लिए सीधे ग्राफ अपडेट को प्रोसेस करता है, जिससे काफी अधिक सटीकता, तेज़ इन्फरेंस गति और छोटा मेमोरी फुटप्रिंट प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि डिस्ट्रिब्यूशनल रीइन्फोर्समेंट लर्निंग (distributional reinforcement learning), 1-वॉसरस्टीन मीट्रिक (1-Wasserstein metric) का लाभ उठाकर रिटर्न डिस्ट्रीब्यूशंस के अधिक नियमित विकास को प्रकट करके, अराजक गतिशील प्रणालियों (chaotic dynamical systems) में मानक स्केलर-वैल्यू विधियों से बेहतर प्रदर्शन करती है, जिससे प्रारंभिक स्थितियों के प्रति घातीय संवेदनशीलता के कारण होने वाले उच्च-विचलन लक्ष्यों (high-variance targets) और ग्रेडिएंट अस्थिरता को कम किया जा सके।
यह शोध पत्र स्पार्स ऑटोएनकोडर्स (sparse autoencoders) का उपयोग करते हुए एक बायोसिक्योरिटी ऑडिटिंग फ्रेमवर्क प्रस्तुत करता है जो यह प्रकट करता है कि भाषा मॉडल वास्तविक खतरे का पता लगाने के बजाय कानूनी और सांस्कृतिक कारकों से प्रेरित होकर असंगत और अक्सर सतही इनकार व्यवहार (refusal behaviors) प्रदर्शित करते हैं, जबकि यह भी प्रदर्शित करता है कि आंतरिक सक्रियण-स्तर (activation-level) विश्लेषण उन विफलता मोडों को उजागर कर सकता है जो मानक व्यवहार संबंधी मूल्यांकनों में अदृश्य होते हैं।
यह शोध पत्र iLoRA प्रस्तुत करता है, जो पहला बेयसियन ग्राफ-कंडीशन्ड LoRA फ्रेमवर्क है जो इनपुट-डिपेंडेंट इंटरेक्शन ग्राफ्स को इन्फर करके डायनेमिक लो-रैंक अपडेट्स उत्पन्न करने के माध्यम से भविष्यवाणी और लेटेंट इंटरेक्शन स्ट्रक्चर को संयुक्त रूप से सीखता है, जिससे माइक्रोबायोम निदान की सटीकता और अनिश्चितता अंशांकन (uncertainty calibration) में सुधार होता है और जैविक रूप से सार्थक सूक्ष्मजीव-सूक्ष्मजीव संबंधों को पुनः प्राप्त किया जाता है।
यह शोध पत्र एक मॉड्यूलर एजेंटिक एआई चैटबॉट आर्किटेक्चर प्रस्तावित करता है जिसे लक्षित, पारदर्शी मॉड्यूल के माध्यम से छात्रों को अभ्यास हल करने के लिए मार्गदर्शन करते हुए, महत्वपूर्ण सोच और स्थानांतरण क्षमताओं को संरक्षित करते हुए, मोनोलिथिक एलएलएम (LLM) की शैक्षणिक कमियों को संरचनात्मक रूप से संबोधित करके जिम्मेदार शिक्षण सहायता को बढ़ावा देने के लिए डिज़ाइन किया गया है।
यह शोध पत्र CalArena को प्रस्तुत करता है, जो विविध कार्यों और मॉडलों के माध्यम से लगभग 2000 प्रयोगों को कवर करने वाला एक बड़े पैमाने का, मानकीकृत बेंचमार्क है, जो एक नवीन 'पोस्ट-हॉक इम्प्रूवमेंट' (Post-Hoc Improvement) मीट्रिक का उपयोग करके पोस्ट-हॉक कैलिब्रेशन विधियों का कठोरता से मूल्यांकन करता है, यह प्रकट करता है कि स्मूथ कैलिब्रेशन फंक्शन और समर्पित मल्टीक्लास दृष्टिकोण मौजूदा तकनीकों से बेहतर प्रदर्शन करते हैं, साथ ही भविष्य के अनुसंधान के लिए ओपन-सोर्स उपकरण भी प्रदान करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि LoRA एडेप्टर को डेटा पॉइजनिंग के माध्यम से प्रभावी ढंग से बैकडोर किया जा सकता है ताकि टोकन-स्तरीय सामान्यीकरण हमलों (token-level generalization attacks) को बनाया जा सके जो संरचनात्मक पहचान से बच सकें, जबकि आपूर्ति श्रृंखलाओं में ऐसे समझौता किए गए एडेप्टर की पहचान करने के लिए मजबूत व्यवहारिक और भार-स्तरीय (weight-level) पहचान विधियों का प्रस्ताव करता है।
यह शोध पत्र एक ऑपरेटर-स्तरीय फैक्टोरियल बेंचमार्क प्रस्तुत करता है जो आणविक MPNNs को विशिष्ट मैसेज-सीड (message-seed), फ्यूजन (fusion) और अपडेट (update) घटकों में विभाजित करता है, जिससे यह प्रकट होता है कि मैसेज निर्माण—विशेष रूप से कॉनकैटिनेशन-आधारित नोड-एज फ्यूजन—प्रदर्शन का प्राथमिक चालक है, जिससे लक्षित डिज़ाइन ह्यूरिस्टिक्स (heuristics) प्राप्त होते हैं जो मोनोलिथिक आर्किटेक्चर खोजों से बेहतर प्रदर्शन करते हैं।
यह शोधपत्र हिस्टेरेटिक पॉलिसी ऑप्टिमाइज़ेशन (HPO) और इसके अनुकूली संस्करण (A-HPO) को पेश करता है ताकि स्पार्स रिवॉर्ड्स के तहत GRPO-शैली के सुदृढीकरण शिक्षण (reinforcement learning) में शुरुआती प्रशिक्षण अस्थिरता को संबोधित किया जा सके, जो नकारात्मक-एडवांटेज अपडेट को कम भार देने और प्रति-रिस्पॉन्स लंबाई सामान्यीकरण को माध्य-लंबाई सामान्यीकरण से बदलने के माध्यम से विभिन्न बेंचमार्क और मॉडल स्केल्स में बेहतर प्रदर्शन और स्थिरता प्रदान करता है।
यह अध्ययन ऑडिट करता है कि व्यावसायिक प्रश्नों के लिए एआई सहायकों की ब्रांड सिफारिशें विभिन्न खरीदार व्यक्तित्वों (बायर पर्सोना) के बीच कैसे महत्वपूर्ण रूप से भिन्न होती हैं, जो यह प्रकट करता है कि जबकि श्रेणी के अग्रणी ब्रांड सुसंगत रहते हैं, मध्यम स्तर के ब्रांड सुझाव उपयोगकर्ता के संदर्भ के आधार पर नाटकीय रूप से बदल जाते हैं, और यह प्रभाव उन मॉडलों में सबसे अधिक स्पष्ट होता है जो रिट्रीवल साक्ष्य की तुलना में अपने ट्रेनिंग-डेटा प्रायोरिटीज़ पर अधिक निर्भर करते हैं।