9552 पेपर
यह शोध पत्र Looped Latent Attention (LLA) प्रस्तुत करता है, जो एक पोस्ट-ट्रेनिंग कोडेक है जो वेट-टाइड ट्रांसफॉर्मर्स में लूप-इंडेक्स्ड KV कैश की लो-रैंक संरचना का लाभ उठाकर SVD इनिशियलाइजेशन और डिस्टिलेशन के माध्यम से नियर-लॉसलेस प्रदर्शन बनाए रखते हुए अत्यधिक संपीड़न (32x तक) प्राप्त करता है और बैच क्षमता को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र CoWeaver को प्रस्तुत करता है, जो एक द्विदिश (bidirectional), सीखने योग्य (learnable) और व्याख्यात्मक (explainable) मिलान इंजन है जो वैज्ञानिक क्षमताओं के अंतराल को भरकर वैज्ञानिकों को AI एजेंटों से प्रभावी ढंग से जोड़ता है, एक दो-चरणीय रैंकिंग प्रक्रिया का उपयोग करता है, और वैज्ञानिक सहयोग में मौजूदा बेसलाइन से बेहतर प्रदर्शन करने के लिए अन्वेषण (exploration) और फीडबैक-संचालित अपडेट के बीच संतुलन बनाता है।
यह शोध पत्र PATR को प्रस्तुत करता है, जो एक प्रोसेस-रिवॉर्ड-गाइडेड एडेप्टिव ट्री रोलआउट फ्रेमवर्क है जो आशाजनक मध्यवर्ती अवस्थाओं (intermediate states) से चुनिंदा रूप से शाखा बनाने और साझा प्रीफिक्स के पुन: उपयोग द्वारा LLM एजेंटों के लिए मल्टी-टर्न सुदृढीकरण शिक्षण (reinforcement learning) को अनुकूलित करता है, जिससे पारंपरिक यूनिफॉर्म ट्राजेक्टरी सैंपलिंग विधियों की तुलना में SWE-Bench और FrozenLake जैसे बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोधपत्र एड्रेसर डिटेक्शन (संबोधन पहचान) को एक विविक्त वर्गीकरण कार्य के रूप में देखने के पारंपरिक दृष्टिकोण को चुनौती देते हुए एक निरंतर ढांचे का प्रस्ताव करता है जो संबोधन की क्रमिक प्रकृति को बेहतर ढंग से पकड़ता है और टर्न-टेकिंग तथा श्रोता के व्यवहार जैसे कि दृष्टि (गेज़) और बैकचैनल के लिए इसकी श्रेष्ठ भविष्य कहने वाली शक्ति को प्रदर्शित करता है।
यह शोध पत्र AdaLook का प्रस्ताव करता है, जो मास्कड डिफ्यूजन लैंग्वेज मॉडल्स के लिए एक एडेप्टिव मल्टी-स्टेप लुकअहेड फ्रेमवर्क है, जो मौजूदा वन-स्टेप लुकअहेड विधियों की तुलना में बेहतर सटीकता-दक्षता संतुलन प्राप्त करने के लिए कैंडिडेट-स्कोर वेरिएंस के आधार पर रोलआउट डेप्थ को गतिशील रूप से समायोजित करता है और शाखाओं का विस्तार करता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स के लिए एक नए मूल्यांकन प्रतिमान (इवैल्यूएशन पैराडाइम) के रूप में प्रोस्पेक्टिव हाइपोथीसिस डिस्कवरी (PHD) को प्रस्तुत करता है, जिसमें हाइपोएरिना (HypoArena) बेंचमार्क और एक नवीन डेटा निर्माण पाइपलाइन शामिल है ताकि अनिर्णायक साक्ष्यों से स्वायत्त रूप से पुष्ट और परीक्षण योग्य परिकल्पनाएं उत्पन्न करने की मॉडल्स की क्षमता का आकलन और रैंकिंग की जा सके।
यह अध्ययन एक लागत-कुशल, हाइब्रिड जनरेटिव एआई फ्रेमवर्क प्रस्तावित करता है जो ट्रांसफॉर्मर इनपुट सीमाओं को दूर करने और स्कोरिंग विश्वसनीयता, सारांश निष्ठा (summary fidelity) तथा कम्प्यूटेशनल लागत के बीच संतुलन बनाते हुए स्केलेबल स्वचालित निबंध स्कोरिंग को बढ़ाने के लिए हस्तनिर्मित भाषाई विशेषताओं के साथ GPT-5-आधारित निबंध सारांशीकरण को संयोजित करता है।
यह शोध पत्र ToxGate का प्रस्ताव करता है, जो एक ट्रस्ट-फ्यूजन तंत्र है जो बाहरी विषाक्तता संकेतों (toxicity signals) को एनकोडर रिप्रजेंटेशन पर गतिशील रूप से कंडिशन करता है ताकि बहुभाषी और कोड-मिक्स्ड अभद्र भाषा का पता लगाने में, विशेष रूप से उच्च-जोखिम वाले परिदृश्यों और क्रॉस-डेटासेट ट्रांसफर में, महत्वपूर्ण सुधार किया जा सके, जो बाहरी प्रायर्स (priors) को निश्चित ग्राउंड ट्रुथ के बजाय कंडीशनल एविडेंस के रूप में मानता है।
यह शोध पत्र मास्क्ड डिफ्यूजन लैंग्वेज मॉडल्स (DLMs) का एक यांत्रिक विश्लेषण प्रदान करता है, जो यह प्रकट करता है कि वे इन-कॉन्टेक्स्ट लर्निंग के लिए एक दिशा-सममित द्विदिश इंडक्शन सर्किट को लागू करते हैं और टाइमस्टेप्स के रूप में वैश्विक मास्किंग अंशों की गणना स्पष्ट रूप से करते हैं, हालांकि वे केवल तभी ऑटोरिग्रेसिव मॉडल्स से बेहतर प्रदर्शन करते हैं जब वे पूर्ण द्विदिश संदर्भ का लाभ उठाते हैं।
यह विचार पत्र तर्क देता है कि यद्यपि LLM के स्व-स्पष्टीकरण (self-explanations) अंतर्निहित तर्क के प्रति निष्ठा (faithfulness) की कमी रख सकते हैं, फिर भी वे अत्यधिक प्रशंसनीय और क्रियाशील बने रहते हैं, जिससे पारंपरिक प्रशंसनीयता और निष्ठा मेट्रिक्स से हटकर मूल्यांकन प्रोटोकॉल को सूचित निर्णय लेने के लिए उनकी व्यावहारिक उपयोगिता का आकलन करने की ओर स्थानांतरित करने की आवश्यकता है।