11683 पेपर
EfficientXpert एक हल्का ढांचा (framework) है जो एक प्रोपेगेशन-अवेयर प्रूनिंग मानदंड को क्लोज्ड-फॉर्म लो-रैंक अपडेट के साथ जोड़कर बड़े भाषा मॉडलों को विशिष्ट डोमेन के लिए कुशलतापूर्वक अनुकूलित करता है, जिससे न्यूनतम कंप्यूटेशनल और मेमोरी ओवरहेड के साथ उच्च स्पर्सिटी पर लगभग-डेंस प्रदर्शन प्राप्त होता है।
यह शोध पत्र GAUGE को प्रस्तुत करता है, जो एक लॉजिट-आधारित ढांचा (logit-based framework) है जिसे संवाद की भावनात्मक अवस्था में वास्तविक समय के संभाव्य परिवर्तनों को मापकर AI चैटबॉट्स में छिपे हुए संवादात्मक बढ़ने (escalation) और अंतर्निहित हानि का पता लगाने के लिए डिज़ाइन किया गया है, जो मौजूदा विषाक्तता फिल्टर और गार्डरेल्स की सीमाओं को संबोधित करता है।
यह शोध पत्र FLEx को प्रस्तुत करता है, जो एक ऐसी विधि है जो प्रतिनिधि त्रुटियों को क्लस्टर करके, उनके प्राकृतिक भाषा स्पष्टीकरणों को सत्यापित करके, और उन्हें एक इन्फरेंस-टाइम प्रॉम्प्ट प्रीफिक्स में सारांशित करके भाषा मॉडल के प्रदर्शन में सुधार करती है, जो मॉडल के भार (वेट्स) को संशोधित किए बिना गलतियों को काफी कम कर देती है।
TeleMem एक एकीकृत दीर्घकालिक और मल्टीमॉडल मेमोरी सिस्टम है जो एजेंटिक AI के लिए है, जो नैरेटिव डायनेमिक एक्सट्रैक्शन, एक स्ट्रक्चर्ड राइटिंग पाइपलाइन और ReAct-शैली की रीजनिंग के माध्यम से मौजूदा रिट्रीवल-ऑगमेंटेड जनरेशन विधियों की सीमाओं को पार करता है, जिससे लॉन्ग-टर्म रोल-प्ले बेंचमार्क पर बेहतर सटीकता, दक्षता और गति प्राप्त होती है।
यह शोध पत्र स्पेक्ट्रल जेनेरेटिव फ्लो मॉडल्स (SGFMs) को प्रस्तुत करता है, जो एक भौतिकी-प्रेरित जनरेटिव फ्रेमवर्क है जो लंबी दूरी की सुसंगतता (long-range coherence) और मल्टीमॉडल दक्षता प्राप्त करने के लिए फील्ड-थ्योरेटिक सिद्धांतों के माध्यम से टोकन-आधारित अटेंशन को मल्टीस्केल वेवलेट बेसिस में निरंतर स्टोकेस्टिक डायनेमिक्स से बदल देता है।
यह शोध पत्र एक अटैकर (Attacker), एक्टर (Actor) और क्रिटिक (Critic) से जुड़े एक एडवरसेरियल अलाइनमेंट फ्रेमवर्क का प्रस्ताव करता है ताकि एक वैल्यू-कंसिस्टेंट लार्ज लैंग्वेज मॉडल (VC-LLM) को प्रशिक्षित किया जा सके जो निरंतर प्री-ट्रेनिंग, इंस्ट्रक्शन फाइन-ट्यूनिंग और एडवरसेरियल ट्रेनिंग के माध्यम से संवेदनशील डोमेन में पूर्वाग्रह को प्रभावी ढंग से कम करता है और वैल्यू कंसिस्टेंसी सुनिश्चित करता है, जैसा कि एक द्विभाषी मूल्यांकन डेटासेट पर बेहतर प्रदर्शन द्वारा प्रमाणित किया गया है।
यह अध्ययन प्रदर्शित करता है कि जहाँ क्रोनिक राइनोसिनुसाइटिस के लिए रोगी चयन को निर्देशित करने हेतु सर्जिकल परिणामों की सटीक भविष्यवाणी करने में सुपरवाइज्ड मशीन लर्निंग मॉडल जनरेटिव एआई (GenAI) से बेहतर प्रदर्शन करते हैं, वहीं GenAI इन भविष्यवाणियों को समझाने और साझा निर्णय लेने की प्रक्रिया को बढ़ाने के लिए एक पूरक उपकरण के रूप में प्रभावी ढंग से कार्य कर सकता है।
यह शोध पत्र प्रकट करता है कि LLM-आधारित एजेंट मूल्यांकन मौलिक रूप से हेरफेर के प्रति संवेदनशील हैं, यह प्रदर्शित करते हुए कि किसी एजेंट के वास्तविक कार्यों या अवलोकनों को बदले बिना, उसके 'चेन-ऑफ-थॉट' तर्क को व्यवस्थित रूप से फिर से लिखना गलत सकारात्मक (फॉल्स पॉजिटिव) दरों को 90% तक बढ़ा सकता है, जिससे तर्क के दावों को अवलोकन योग्य साक्ष्यों के विरुद्ध सत्यापित करने वाले निर्णय तंत्रों की महत्वपूर्ण आवश्यकता उजागर होती है।
यह शोध पत्र Entropy-Tree का प्रस्ताव करता है, जो एक नवीन ट्री-आधारित डिकोडिंग विधि है जो केवल वास्तविक मॉडल अनिश्चितता वाले बिंदुओं पर ब्रांचिंग निर्णयों को निर्देशित करने के लिए एंट्रॉपी का लाभ उठाती है, जिससे यह रैंडम सैंपलिंग और इंडिपेंडेंट मल्टी-सैंपलिंग जैसी मौजूदा रणनीतियों की तुलना में रीजनिंग कार्यों में बेहतर सटीकता और अंशांकन (कैलिब्रेशन) प्राप्त करता है।
यह शोध पत्र Qwen2.5-7B में एक "उथली लंबी-संदर्भ अनुकूलन" (shallow long-context adaptation) घटना की पहचान करता है, जहाँ प्राकृतिक टोकन लंबाई विश्लेषण और क्रॉस-वैलिडेशन का उपयोग करके लंबी-संदर्भ प्रदर्शन की सीमाओं को व्यवस्थित रूप से लक्षणबद्ध और परिभाषित करते हुए, अधिकतम संदर्भ लंबाई के 40-50% के महत्वपूर्ण थ्रेशोल्ड के आगे बुद्धिमत्ता में विनाशकारी गिरावट आती है।