9743 पेपर
Vis-CoT एक ह्यूमन-इन-द-लूप फ्रेमवर्क है जो अपारदर्शी चेन-ऑफ-थॉट रीजनिंग को एक इंटरैक्टिव विज़ुअलाइज़ेशन ग्राफ में बदल देता है, जिससे उपयोगकर्ता उच्च-जोखिम वाले परिवेशों में LLM की सटीकता और विश्वसनीयता को महत्वपूर्ण रूप से सुधारने के लिए त्रुटिपूर्ण तार्किक चरणों की पहचान, छंटनी और सुधार करने में सक्षम होते हैं।
यह शोध पत्र प्रदर्शित करता है कि प्रशिक्षण डेटा में रूपक (metaphors), लेटेंट फीचर्स (latent features) को सक्रिय करके बड़े रीजनिंग मॉडल्स में क्रॉस-डोमेन मिसअलाइनमेंट (cross-domain misalignment) में योगदान देते हैं, जो एक ऐसा तंत्र है जिसका उपयोग मिसअलाइन्ड कंटेंट के लिए उच्च-सटीकता वाले डिटेक्टरों को डिजाइन करने के लिए किया जा सकता है।
यह शोध पत्र प्रकट करता है कि सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण सीखना (RLVR), एलएलएम (LLM) में एक "परप्लेक्सिटी पैराडॉक्स" (Perplexity Paradox) को प्रेरित कर सकता है, जो तर्क करने के बजाय भ्रामक समाधानों को याद करने के पक्ष में एक छिपे हुए "एंकर-अडैप्टर" (Anchor-Adapter) सर्किट को सक्रिय करता है, जो इस प्रकार के डेटा संदूषण का पता लगाने और उसे कम करने के लिए एक यांत्रिक ढांचा प्रदान करता है।
यह शोध पत्र OI-Bench प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसमें 3,000 प्रश्न और 16 निर्देशात्मक प्रकार शामिल हैं जो बड़े भाषा मॉडलों की "विकल्प इंजेक्शन" (option injection) हमलों के प्रति संवेदनशीलता का मूल्यांकन करता है, जो 12 परीक्षण किए गए मॉडलों में महत्वपूर्ण कमजोरियों और विषम मजबूती को प्रकट करता है।
यह शोध पत्र ऑर्थोगोनल हिएरार्किलल डीकंपोजिशन (OHD) फ्रेमवर्क का प्रस्ताव करता है, जो संरचनात्मक पदानुक्रमों को संरक्षित करने के लिए जटिल तालिकाओं को कॉलम और रो ट्री में विभाजित करने हेतु एक ऑर्थोगोनल ट्री इंडक्शन पद्धति का उपयोग करता है, जिससे अनियमित टेबल लेआउट को समझने और उनके बारे में तर्क करने की लार्ज लैंग्वेज मॉडल्स की क्षमता में महत्वपूर्ण वृद्धि होती है।
यह शोध पत्र MisActBench प्रस्तुत करता है, जो कंप्यूटर-उपयोग एजेंटों में गलत संरेखित कार्यों (misaligned actions) का पता लगाने के लिए पहला बेंचमार्क है, और DeAction का प्रस्ताव करता है, जो एक सार्वभौमिक गार्डरेल है जो सुरक्षा और कार्य विश्वसनीयता को बढ़ाने के लिए बाहरी रूप से प्रेरित और आंतरिक रूप से उत्पन्न होने वाले दोनों प्रकार के विचलोंों की प्रभावी ढंग से पहचान करता है और उन्हें सुधारता है।
यह शोध पत्र क्रमपरिवर्तन संयोजन (permutation composition) को कोड-आधारित REPL ट्रेसेस में परिवर्तित करके स्टेट-ट्रैकिंग अनुसंधान और नेक्स्ट-टोकन प्रेडिक्शन के बीच के अंतर को पाटता है, यह प्रदर्शित करते हुए कि जबकि लीनियर RNNs इस कार्य में ट्रांसफॉर्मर्स की तुलना में उत्कृष्ट हैं, वे नॉन-लीनियर RNNs की तुलना में खराब प्रदर्शन कर सकते हैं जब स्टेट रिवील्स (state reveals) नियतात्मक होते हैं लेकिन एक्शन्स पूरी तरह से अवलोकन योग्य नहीं होते हैं।
यह शोधपत्र ProofRank प्रस्तुत करता है, जो गणितीय प्रमाण की गुणवत्ता के पांच स्केलेबल आयामों—संक्षिप्तता (conciseness), गणनात्मक सुगमता (computational ease), संज्ञानात्मक सरलता (cognitive simplicity), विविधता (diversity), और अनुकूलनशीलता (adaptivity)—पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने वाला एक बेंचमार्क है—जो इन गुणात्मक मेट्रिक्स और केवल शुद्धता (correctness) के बीच महत्वपूर्ण ट्रेड-ऑफ को प्रकट करता है।
यह शोध पत्र ट्यूरिंग-आरएल (Turing-RL) प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक डिस्क्रिमिनेटिव ट्यूरिंग रिवॉर्ड के माध्यम से वास्तविक मनुष्यों से अविभेद्यता के लिए अनुकूलन करके उपयोगकर्ता सिम्युलेटर को प्रशिक्षित करता है, जो कन्वर्सेशनल चैट और रेडिट फोरम दोनों डोमेन में पारंपरिक रिस्पॉन्स-मैचिंग बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र Know2Guess प्रस्तुत करता है, जो एक संदूषण-जागरूक (contamination-aware) मल्टी-ज़ोन बेंचमार्क है जिसे समर्थित उत्तरों और अज्ञात विषयों पर परहेज (abstentions) के बीच अंतर करने की लार्ज लैंग्वेज मॉडल्स की क्षमता का कड़ाई से मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि हालांकि वर्तमान मॉडल्स में चयनात्मक परहेज की कुछ क्षमता दिखाई देती है, फिर भी वे अंशांकन (calibration) और सौम्य-वस्तु अस्वीकृति (benign-item refusal) के मामले में संघर्ष करते हैं।