11611 पेपर
यह शोध पत्र **VideoBiasEval** प्रस्तुत करता है, जो एक नैदानिक ढांचा (diagnostic framework) है जो यह प्रकट करता है कि कैसे अलाइनमेंट ट्यूनिंग—वीडियो की गुणवत्ता में सुधार करने के बावजूद—मानव प्राथमिकता डेटासेट से रिवॉर्ड मॉडल्स के माध्यम से वीडियो डिफ्यूजन मॉडल्स में रूढ़ियों को प्रसारित करके अनजाने में सामाजिक पूर्वाग्रहों को बढ़ाती और स्थिर करती है।
यह शोध पत्र RAGLens को प्रस्तुत करता है, जो एक हल्का और व्याख्या योग्य मतिभ्रम डिटेक्टर (hallucination detector) है जो अनैतिक रिट्रीवल-ऑगमेंटेड जनरेशन (unfaithful retrieval-augmented generation) का संकेत देने वाले LLMs के विशिष्ट आंतरिक सक्रियण फीचर्स (internal activation features) की पहचान करने के लिए स्पार्स ऑटोएनकोडर (SAEs) का उपयोग करता है।
यह शोध पत्र SegNSP को प्रस्तुत करता है, जो एक लेबल-अज्ञेय (label-agnostic) दृष्टिकोण है जो रैखिक टेक्स्ट सेगमेंटेशन को नेक्स्ट सेंटेंस प्रेडिक्शन कार्य के रूप में फ्रेम करता है, और स्पष्ट विषय पर्यवेक्षण (topic supervision) की आवश्यकता के बिना प्रभावी ढंग से विषय सीमाओं का पता लगाने के लिए एक सेगमेंटेशन-अवेयर लॉस और हार्ड नेगेटिव सैंपलिंग का उपयोग करता है।
A.X K1 एक 519B-पैरामीटर वाला Mixture-of-Experts (MoE) लैंग्वेज मॉडल है जिसे 10T टोकन पर प्रशिक्षित किया गया है और इसमें एक अनूठा "Think-Fusion" प्रशिक्षण नुस्खा (recipe) है, जो उपयोगकर्ताओं को कुशल, नियंत्रणीय परिनियोजन (deployment) के लिए रीजनिंग और नॉन-रीजनिंग मोड के बीच स्विच करने की अनुमति देता है।
यह शोध पत्र नए प्रोब आर्किटेक्चर प्रस्तावित करता है जिन्हें वितरण बदलावों (distribution shifts)—विशेष रूप से लंबी-संदर्भ इनपुट (long-context inputs)—की चुनौती को दूर करके मॉडल के दुरुपयोग को कम करने के लिए डिज़ाइन किया गया है, और गूगल के जेमिनी (Gemini) में मजबूत, कुशल और सामान्यीकरण योग्य सुरक्षा निगरानी प्रदान करने के लिए उनकी सफल तैनाती का प्रदर्शन करता है।
पॉलिमर-एजेंट (Polymer-Agent) एक क्लोज्ड-लूप फ्रेमवर्क है जो प्रयोगशाला शोधकर्ताओं को सिंथेटिक रूप से व्यवहार्य पॉलिमर संरचनाओं के गुण पूर्वानुमान, संरचना निर्माण और संशोधन के लिए एक सुलभ इंटरफेस प्रदान करने हेतु लार्ज लैंग्वेज मॉडल (Large Language Model) तर्क का लाभ उठाता है।
यह शोध पत्र MRAG को प्रस्तुत करता है, जो एक नया द्विभाषी (अंग्रेजी और चीनी) बेंचमार्क और टूलकिट है जिसे बायोमेडिकल डोमेन के भीतर रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम के मूल्यांकन और विकास को व्यवस्थित रूप से सुगम बनाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र यह प्रदर्शित करता है कि एम्बेडिंग आयामों (embedding dimensions) को स्केल करना, मिक्सचर-ऑफ-एक्सपर्ट्स (MoE) को स्केल करने की तुलना में स्पर्सिटी (sparsity) और प्रदर्शन लाभ प्राप्त करने का एक अधिक कुशल तरीका हो सकता है, एक ऐसा निष्कर्ष जिसे लॉन्गकैट-फ्लैश-लाइट (LongCat-Flash-Lite) के परिचय द्वारा मान्य किया गया है, जो न्यूनतम एक्टिवेशन लागत वाला एक उच्च-प्रदर्शन वाला 68.5B पैरामीटर मॉडल है।
यह शोध पत्र चार चिकित्सा सूचना निष्कर्षण कार्यों में ChatGPT के प्रदर्शन का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि यह उच्च गुणवत्ता वाले स्पष्टीकरण प्रदान करता है और स्रोत ग्रंथों के प्रति वफादार रहता है, लेकिन यह फाइन-ट्यून्ड मॉडलों की तुलना में कम प्रदर्शन करता है और अति-आत्मविश्वास एवं जनरेशन अनिश्चितता से ग्रस्त है।
यह शोध पत्र दो नए उपकरणों, जजजीपीटी (JudgeGPT) और रोगजीपीटी (RogueGPT) से युक्त एक प्रयोगात्मक पाइपलाइन प्रस्तुत करता है, जिसका उद्देश्य एआई-जनित दुष्प्रचार के प्रति मानवीय धारणा का अध्ययन करना और जनरेटिव मॉडल्स एवं डिटेक्शन रणनीतियों के बीच चल रही हथियारों की दौड़ का मूल्यांकन करना है।