9802 पेपर
यह शोध पत्र AttriCoT को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स एल्गोरिदम है जो चेन-ऑफ-थॉट रीजनिंग के व्यक्तिगत घटकों पर स्थानीय कारण संबंधी एट्रिब्यूशन (local causal attribution) करने के लिए एक स्ट्रक्चरल कॉज़ल मॉडल का निर्माण करता है, जो मॉडल व्यवहार के प्रति बेहतर निष्ठा (faithfulness) प्रदर्शित करता है और विभिन्न मॉडलों एवं डोमेन में विशिष्ट विचार संरचनाओं को प्रकट करता है।
यह शोध पत्र एआई एजेंट पहचान विचलन (identity drift) को जियोडेसिक संरचनाओं की ओर एक विश्रांति (relaxation) के रूप में परिमाण होमोलॉजी (magnitude homology) और मीट्रिक स्पेस का उपयोग करते हुए एक ज्यामितीय ढांचे के माध्यम से मात्रात्मक रूप से मापने का प्रस्ताव करता है, जो विशिष्ट अनुकूलन तंत्रों (conditioning mechanisms) और व्यवहारिक समृद्धि की पहचान करता है, साथ ही यह भी उल्लेख करता है कि देखा गया विचलन वास्तविक संदर्भ-लंबाई प्रभावों के बजाय प्रारंभ में पैडिंग आर्टिफैक्ट्स (padding artifacts) के कारण भ्रमित था।
यह शोध पत्र 'इनवर्स ट्यूरिंग बेंच' (Inverse Turing Bench) का परिचय देता है, जो मानव-केवल और मानव-एआई संवादों के बीच अंतर करने की भाषा मॉडलों की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया एक बेंचमार्क है, जो यह प्रकट करता है कि जहाँ शीर्ष मॉडल उच्च सटीकता प्राप्त करते हैं, वहीं वर्तमान पहचान विधियों को सांख्यिकीय ब्लाइंड स्पॉट्स और पर्सोना-प्रॉम्प्टिंग कमजोरियों दोनों से चुनौतियों का सामना करना पड़ता है।
TALAS एक एकीकृत ज्ञान आसवन (knowledge distillation) ढांचा है जो चयनात्मक ऊपरी-परत शिक्षक एंकरिंग (selective upper-layer teacher anchoring), सिमेंटिक गैप को पाटने के लिए टॉप-डाउन लेयर-अलाइन्ड सेल्फ-डिस्टिलेशन (top-down layer-aligned self-distillation) और सामान्यीकरण में सुधार करने तथा कम्प्यूटेशनल लागत को कम करने के लिए एडेप्टिव शार्पनेस-अवेयर मिनिमाइजेशन (Adaptive Sharpness-Aware Minimization) को संयोजित करके छात्र मॉडल के प्रदर्शन और दक्षता को बढ़ाता है।
यह अनुभवजन्य अध्ययन 1990 से 2023 तक के 26,677 पुस्तकालय और सूचना विज्ञान लेखों का विश्लेषण करता है ताकि यह प्रकट किया जा सके कि शैक्षणिक करियर के विभिन्न चरणों में अनुसंधान पद्धति के उपयोग और विविधता में कैसे विकास होता है, जिसमें यह पाया गया है कि मध्य-करियर विद्वान उच्चतम पद्धतिगत विविधता प्रदर्शित करते हैं जबकि प्रयोगात्मक और बिब्लियोमेट्रिक विधियों के पक्ष में सैद्धांतिक दृष्टिकोणों में गिरावट आती है।
यह शोधपत्र ForEx प्रस्तुत करता है, जो एक औपचारिक सत्यापन ढांचा (formal verification framework) है जो तर्क श्रृंखलाओं (reasoning chains) की व्युत्पत्ति योग्यता को सत्यापित करने के लिए LLM-जनित स्पष्टीकरणों को Lean4 में अनुवादित करता है, जो तार्किक दोषों (logical fallacies) का पता लगाने में उच्च औपचारिक सत्यापन दरों और मानव एनोटेशन के साथ निम्न लेबल सहमति के बीच एक महत्वपूर्ण अंतर को प्रकट करता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि मॉडल तर्क संबंधी कार्यों के लिए समाधानों को सत्यापित करने और उन्हें याद रखने में प्रभावी ढंग से सक्षम हो सकते हैं, वे फॉरवर्ड चेन-ऑफ-थॉट डेरिवेशंस के रूप में सत्यापन योग्य खोज प्रक्रियाओं को सीखने में मौलिक रूप से विफल रहते हैं, चाहे मॉडल का पैमाना या प्रशिक्षण विधि कुछ भी हो, क्योंकि ऐसे कार्यों में नकल करने के लिए एक निष्ठावान, सूचना-संरक्षण वाला चरण-दर-चरण पथ का अभाव होता है।
यह शोध पत्र प्रदर्शित करता है कि इन-कॉन्टेक्स्ट लर्निंग को सैकड़ों उदाहरणों तक स्केल करना लार्ज लैंग्वेज मॉडल्स को नेमड एंटिटी रिकग्निशन (NER) में पूर्णतः सुपरवाइज्ड BERT के प्रदर्शन के बराबर या उससे बेहतर बनाने में सक्षम बनाता है, जबकि यह एक प्रभावी डेटा एनोटेशन फ्रेमवर्क के रूप में भी कार्य करता है जो लो-रिसोर्स NER मॉडल्स में महत्वपूर्ण सुधार करता है।
यह शोध पत्र ARTS को प्रस्तुत करता है, जो एक एजेंटिक रीजनिंग फ्रेमवर्क है जो दोषपूर्ण परिकल्पनाओं और निष्पादन त्रुटियों के बीच अंतर करने के लिए एक लैंग्वेज मॉडल का लाभ उठाता है और संदर्भ सीमाओं को दूर करने के लिए टेस्ट-टाइम ट्रेनिंग का उपयोग करता है, जिससे यह वैज्ञानिक खोज कार्यों में अग्रणी सर्च एल्गोरिदम से बेहतर प्रदर्शन करता है और काफी कम इन्फरेंस लागत के साथ फ्रंटियर मॉडल्स के बराबर प्रदर्शन करता है।
यह अध्ययन *नेचर कम्युनिकेशंस* की पीयर रिव्यू रिपोर्टों का विश्लेषण करता है ताकि यह प्रदर्शित किया जा सके कि विशिष्ट पहलुओं, विशेष रूप से "मूल्यांकन और परिणाम" तथा "प्रभाव और अनुसंधान मूल्य" के प्रति भावना, कई दौरों में समीक्षा की अवधि को महत्वपूर्ण रूप से प्रभावित करती है, जो संशोधनों को प्राथमिकता देने और समग्र समीक्षा दक्षता में सुधार करने के लिए व्यावहारिक अंतर्दृष्टि प्रदान करती है।