9843 पेपर
यह शोधपत्र आपराधिक कानून के संदर्भों में "ओवर-अलाइनमेंट" को मापने और कम करने के लिए स्विस सुप्रीम कोर्ट के फैसलों से व्युत्पन्न एक बहुभाषी बेंचमार्क, TF-RefusalBench को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एब्लीटरेशन (abliteration) कार्य प्रदर्शन को सुरक्षित रखते हुए हानिकारक मॉडल रिफ्यूज़ल को प्रभावी ढंग से समाप्त कर देता है।
यह शोधपत्र ऊर्जा-आधारित ट्रांसफॉर्मर (energy-based transformers) को मानव पठन कठिनाई के एक नवीन, एकीकृत भविष्यवक्ता के रूप में प्रस्तुत करता है जो कई पठन-समय कॉर्पोरा और वाक्यात्मक संरचनाओं में सरप्राइज़ल (surprisal) और अटेंशन एंट्रॉपी (attention entropy) जैसे मौजूदा मापों से बेहतर प्रदर्शन करता है और उन्हें समाहित करता है।
यह अध्ययन प्रदर्शित करता है कि प्रीट्रेंड और फाइन-ट्यून्ड एलएलएम (LLM) एम्बेडिंग्स विशेषज्ञों द्वारा परिभाषित मानसिक स्वास्थ्य लक्षण संरचनाओं को पुनः प्राप्त कर सकते हैं, जिसमें बड़े स्तरों और सूक्ष्म श्रेणी स्तरों पर संरेखण में सुधार होता है, जबकि वे महत्वपूर्ण डोमेन और शैलीगत बाधाओं के प्रति सुदृढ़ बने रहते हैं।
ReasoningLens एक ओपन-सोर्स फ्रेमवर्क है जो लंबी चेन-ऑफ-थॉट (Chain-of-Thought) ट्रेसेस को इंटरैक्टिव पदानुक्रमित विज़ुअलाइज़ेशन, स्वचालित त्रुटि पहचान और प्रणालीगत तर्क प्रोफाइल्स में बदलकर लार्ज रीजनिंग मॉडल्स की पारदर्शिता और डिबगिंग को बढ़ाता है।
UnBias-Plus एक ओपन-सोर्स टूलकिट है जो सेगमेंट-स्तरीय मल्टी-क्लास क्लासिफिकेशन, बायस्ड स्पैन लोकलाइजेशन, न्यूट्रल टेक्स्ट रीराइटिंग और रीजनिंग एक्सप्लेनेशन्स को एक ही सुलभ प्लेटफॉर्म में एकीकृत करके मौजूदा बायस डिटेक्शन विधियों की सीमाओं को संबोधित करता है।
यह अध्ययन प्रकट करता है कि 2010 और 2025 के बीच वैज्ञानिक सारांशों में सैन्यवादी भाषा का उपयोग तेजी से बढ़ा है, जो वैश्विक संघर्षों के साथ सह-संबंधित है, फिर भी प्रयोगात्मक साक्ष्य दर्शाते हैं कि इस प्रकार का युद्ध-फ्रेमिंग अंततः वैज्ञानिक विश्वसनीयता, वित्त पोषण की इच्छा और नीतिगत समर्थन को कमजोर करता है।
यह शोध पत्र SelfCompact को पेश करता है, जो एक प्रशिक्षण-मुक्त स्कैफोल्डिंग फ्रेमवर्क है जो एजेंट ट्रेसेस के अनुकूली (adaptive), संदर्भ-जागरूक सारांश के लिए एक मॉडल-इवोक्ड कॉम्पेक्शन टूल को एक हल्के रूब्रिक के साथ जोड़ता है, जो फिक्स्ड-इंटरवल दृष्टिकोणों की तुलना में गणित और सर्च बेंचमार्क पर प्रदर्शन में सुधार करते हुए टोकन लागत को काफी कम कर देता है।
VeriEvol एक पुनरावृत्ति ढांचा (iterative framework) है जो टाइप-अवेयर इवोल्यूशन ऑपरेटर्स के माध्यम से प्रॉम्प्ट कठिनाई विस्तार को, मल्टी-सोर्स हाइपोथेसिस-टेस्ट फाल्सिफिकेशन के माध्यम से उत्तर विश्वसनीयता प्रवर्तन से अलग करके मल्टीमॉडल गणितीय तर्क को स्केल करता है, जिससे उच्च-गुणवत्ता वाला सत्यापित डेटा उत्पन्न होता है जो विजुअल-मैथ बेंचमार्क पर मॉडल के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक रूफलाइन-प्रेरित स्केलिंग मॉडल प्रस्तुत करता है जो नियंत्रित आर्किटेक्चरल स्वीप्स से प्राप्त कंप्यूट, मेमोरी ट्रैफिक और हार्डवेयर दक्षता कारकों को मापे गए ऊर्जा से जोड़कर विषम मल्टी-जीपीयू कॉन्फ़िगरेशन में ट्रांसफॉर्मर प्रशिक्षण की ऊर्जा खपत का सटीक अनुमान लगाता है।
SVD-Surgeon एक प्रशिक्षण-मुक्त (training-free) विधि है जो सिंगुलर वैल्यूज पर ऑप्टिमल ब्रेन सर्जन फ्रेमवर्क को लागू करके मौजूदा लो-रैंक LLM संपीड़न (compression) को बेहतर बनाती है, जिससे बिना पुन: प्रशिक्षण के परप्लेक्सिटी-कंप्रेशन ट्रेड-ऑफ को सुधारने के लिए सेकंड-ऑर्डर लॉस कंपनसेशन और सैलिएंसी-आधारित प्रूनिंग सक्षम होती है।