11618 पेपर
यह शोधपत्र तर्क देता है कि न्यूनतम विवरण लंबाई (MDL) ढांचे के माध्यम से नियमितता और प्रसंस्करण जटिलता को शामिल करना पुनरावर्ती संख्या प्रणालियों की संरचना की बेहतर व्याख्या करता है और स्वाभाविक रूप से उन बाधाओं का लेखा-जोखा प्रस्तुत करता जिन्हें पिछले दक्षता-आधारित मॉडलों को अधोमुखी (ad-hoc) रूप से लागू करने की आवश्यकता थी।
यह शोध पत्र RIDE का प्रस्ताव करता है, जो एक प्रतिकूल ढांचा (adversarial framework) है जो व्यवस्थित रूप से सुव्यवस्थित, प्रगतिशील रूप से चुनौतीपूर्ण गणितीय समस्याओं को उत्पन्न करने के लिए आइटम रिस्पांस थ्योरी और सुदृढीकरण शिक्षण (reinforcement learning) का लाभ उठाता है, जो प्रदर्शन में महत्वपूर्ण गिरावट के माध्यम से वास्तविक तर्क के माध्यम से बड़े भाषा मॉडलों की सीमित मजबूती को प्रभावी ढंग से उजागर करता है।
IterResearch इंटरैक्शन स्केलिंग और MDP-प्रेरित वर्कस्पेस पुनर्निर्माण पर आधारित एक पुनरावृत्ति गहन-अनुसंधान प्रतिमान (iterative deep-research paradigm) प्रस्तुत करता है, जो एक प्रशिक्षित मॉडल और फ्रंटियर सिस्टम के लिए एक प्रॉम्प्टिंग रणनीति, दोनों के रूप में लंबी अवधि के कार्यों (long-horizon tasks) पर महत्वपूर्ण प्रदर्शन लाभ प्राप्त करने के लिए मौजूदा एजेंटों की संदर्भ सीमाओं को दूर करता है।
यह शोध पत्र PSM प्रस्तुत करता है, जो एक नवीन ब्लैक-बॉक्स ऑप्टिमाइज़ेशन फ्रेमवर्क है जो सिस्टम प्रॉम्प्ट्स के साथ हल्के, उपयोगिता-संरक्षण वाले सुरक्षात्मक परतों (SHIELDs) को जोड़ने के लिए LLM-as-optimizer का लाभ उठाता है, जो मॉडल एक्सेस की आवश्यकता के बिना, उन्हें एडवर्सरियल एक्सट्रैक्शन हमलों के प्रति प्रभावी रूप से कम संवेदनशील बनाता है।
यह शोधपत्र "लेटेंट डिबेट" (latent debate) प्रस्तुत करता है, जो एक नवीन ढांचा है जो एक ही अनुमान (inference) के भीतर निहित आंतरिक तर्कों का विश्लेषण करके लार्ज लैंग्वेज मॉडल (Large Language Model) के भविष्यवाणियों की व्याख्या करता है, और मॉडल की तर्क प्रक्रिया को समझने तथा विशिष्ट डिबेट पैटर्न के माध्यम से मतिभ्रम (hallucinations) का पता लगाने के लिए एक निष्ठावान सरोगेट (faithful surrogate) के रूप में इसकी प्रभावशीलता को प्रदर्शित करता है।
MixLM एक नवीन LLM रैंकिंग फ्रेमवर्क है जो एक मिक्स-इंटरैक्शन तंत्र के माध्यम से लंबे टेक्स्ट इनपुट्स को संक्षिप्त एम्बेडिंग टोकन से बदलकर सिस्टम थ्रूपुट को महत्वपूर्ण रूप से बढ़ाता है, जिससे उच्च प्रासंगिकता बनाए रखते हुए वास्तविक दुनिया के सर्च अनुप्रयोगों में कुशल फुल-ट्रैफिक परिनियोजन सक्षम होता है।
यह शोध पत्र MEDAL को प्रस्तुत करता है, जो एक इन्फरेंस-टाइम स्केलिंग फ्रेमवर्क है जो डिफ्यूजन लैंग्वेज मॉडल्स में अनमास्किंग प्रक्षेपवक्र (unmasking trajectory) को अनुकूलित करने के लिए मोंटे कार्लो ट्री सर्च को एकीकृत करता है, जिससे बिना किसी अतिरिक्त प्रशिक्षण के मौजूदा ह्यूरिस्टिक विधियों की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्राप्त होता है।
यह शोध पत्र लंबे समय तक चलने वाले एजेंटिक कार्यों (long-horizon agentic tasks) के लिए तीन प्रमुख LLM प्रदाताओं में प्रॉम्प्ट कैशिंग का एक व्यापक मूल्यांकन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि रणनीतिक कैशिंग तकनीकें—जैसे कि गतिशील टूल परिणामों (dynamic tool results) को बाहर रखना और प्रॉम्प्ट संरचना का प्रबंधन करना—ने नैव (naive) पूर्ण-संदर्भ कैशिंग की तुलना में API लागत को 41-80% तक कम किया है और पहले टोकन के समय (time to first token) को 13-31% तक सुधारा है।
मेडट्यूटर (MedTutor) एक रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) प्रणाली है जो एक हाइब्रिड रिट्रीवल पाइपलाइन के माध्यम से क्लिनिकल केस रिपोर्ट्स से साक्ष्य-आधारित शिक्षण सामग्री और प्रश्न स्वचालित रूप से उत्पन्न करके मेडिकल रेजिडेंट्स की शिक्षा को उन्नत करती है, जो विशेषज्ञ मूल्यांकन में उच्च शैक्षिक मूल्य प्रदर्शित करते हुए एलएलएम-आधारित (LLM-based) और मानव आकलन के बीच मध्यम संरेखण को प्रकट करती है।
यह शोध पत्र यह प्रदर्शित करता है कि बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) को समृद्ध कथात्मक पहचानों के साथ गहराई से बांधना और उनकी निरंतरता को सत्यापित करना सामाजिक दुविधा वाले खेलों में मानव व्यवहार के अनुकरण को महत्वपूर्ण रूप से सुधारता है, जिससे समय, फ्रेमिंग और प्रतिभागी समूहों जैसे महत्वपूर्ण प्रासंगिक कारकों का अन्वेषण संभव हो पाता है जो अक्सर मानव अध्ययनों के अनुकरण में बाधा डालते हैं।