9843 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि संतुष्टि और विशिष्ट समस्याओं के लिए ग्राहक सहायता बातचीत का विश्लेषण करने हेतु उन्नत LLMs का उपयोग करना पारंपरिक सेंटिमेंट एनालिसिस (sentiment analysis) की तुलना में काफी अधिक सटीक और कार्रवाई योग्य अंतर्दृष्टि प्रदान करता है, जो अक्सर ग्राहक के लहजे और वास्तविक समाधान सफलता के बीच अंतर करने में विफल रहता है।
यह शोध पत्र तर्क देता है कि सिमेंटिक कैशिंग मॉडल चयन मौलिक रूप से एक रैंकिंग समस्या के बजाय एक कैलिब्रेशन समस्या है, यह प्रदर्शित करते हुए कि मानक मेट्रिक्स जैसे कि PR-AUC खराब परिनियोजन विकल्पों की ओर ले जाते हैं और ऑफलाइन मूल्यांकन एवं परिचालन प्रदर्शन के बीच के अंतर को पाटने के लिए नए मेट्रिक्स (P-CHR AUC और CRR) का प्रस्ताव देता है।
यह शोध पत्र प्रदर्शित करता है कि क्रमिक डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (Direct Preference Optimization) पहले से सीखे गए प्रेफरेंस को समान रूप से खराब नहीं करता है, बल्कि उद्देश्यों, सिग्नल की शक्ति और प्रशिक्षण क्रम के बीच संबंध के आधार पर स्थिरता से लेकर सकारात्मक हस्तांतरण तक के विविध परिणाम उत्पन्न करता है, जबकि यह भी प्रकट करता है कि ग्रेडिएंट विरोध इन प्रभावों का प्राथमिक चालक नहीं है।
यह शोध पत्र मानव गुणवत्ता निर्णयों और इंजेक्ट की गई त्रुटियों के विरुद्ध कई एजेंटिक समीक्षा प्रणालियों का बेंचमार्किंग करता है, जो यह प्रदर्शित करता है कि हालांकि उन्हें अभी भी सुधार की आवश्यकता है, फिर भी OpenAIReview (GPT-5.5 के साथ) जैसे शीर्ष कॉन्फ़िगरेशन प्रभावी रूप से पेपर की गुणवत्ता को ट्रैक करते हैं, अधिकांश त्रुटियों का पता लगाते हैं, और वास्तविक उपयोगकर्ताओं से सकारात्मक प्रतिक्रिया प्राप्त करते हैं।
यह शोध पत्र बेयसियन मैनिफोल्ड करिकुलम (BMC) प्रस्तुत करता है, जो एक संरचना-जागरूक ढांचा है जो कार्यों के बीच निहित ज्यामितीय संबंधों का लाभ उठाकर, केवल कठिनाई-आधारित चयन पर निर्भर रहने के बजाय, सीखने की उत्पादकता, कार्य विविधता और मूल्यांकन उपयोगिता के बीच संतुलन को अनुकूलित करने के लिए LLM सुदृढीकरण शिक्षण (reinforcement learning) में समस्या नमूनाकरण (problem sampling) को एक मैनिफोल्ड-संरचित बैंडिट समस्या के रूप में पुनर्गठित करता है।
AgentFinVQA एक तैनात करने योग्य, मल्टी-एजेंट पाइपलाइन है जो विनियमित वातावरण के लिए डेटा रेजिडेंसी सुनिश्चित करते हुए और ट्रैसेबल वेरिफिकेशन प्रदान करते हुए FinMME बेंचमार्क पर स्टेट-ऑफ-द-आर्ट सटीकता प्राप्त करता है जो ऑडिट करने योग्य वित्तीय चार्ट प्रश्न उत्तर (क्वेश्चन अनस्वर्सिंग) के लिए है।
यह शोध पत्र \sevra को प्रस्तुत करता है, जो एक सर्विंग-लेयर कंट्रोलर है जो सटीकता और कंप्यूट लागत के बीच संतुलन बनाने के लिए चयनात्मक रूप से सत्यापन (verification) को लागू करता है, यह प्रदर्शित करते हुए कि जबकि चयनात्मक रिकवरी हमेशा चालू रहने वाले सत्यापन की तुलना में हानिकारक बदलावों (harmful flips) और टोकन उपयोग को कम करती है, प्रारंभिक रीजनिंग बजट को अनुकूलित करना अक्सर एक बेहतर लागत-सटीकता सीमा (cost-accuracy frontier) प्रदान करता है।
यह शोध पत्र एक सिमेंटिक प्री-ट्रेनिंग फ्रेमवर्क का प्रस्ताव करता है जो सिमेंटिक क्लस्टरिंग के माध्यम से भाषा मॉडलों से प्रासंगिक ज्ञान को व्याख्यात्मक (interpretable) टसेटलिन मशीन (Tsetlin Machine) में स्थानांतरित करता है, जिससे पूर्ण पारदर्शिता बनाए रखते हुए BERT के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक "कंट्रोल-विंडो लॉ" (control-window law) प्रस्तुत करता है जो एक बजट-सामान्यीकृत ढांचा स्थापित करता है ताकि यह भविष्यवाणी की जा सके कि भाषा मॉडलों में एकल-न्यूरॉन हस्तक्षेप कब आउटपुट पतन (output collapse) का कारण बने बिना रिफ्यूज़ल (refusal) जैसे व्यवहारों को सुसंगत रूप से निर्देशित करेगा, जो यह प्रकट करता है कि नियंत्रणीयता (controllability) एक प्रकारित, बजट वाली संपत्ति है न कि एक साधारण स्केलर डोज़।
AtomMem एक नवीन दीर्घकालिक स्मृति प्रणाली है जो LLM एजेंटों के लिए, उच्च-मूल्य वाले परमाणु तथ्यों (atomic facts) को निकालने, उन्हें पदानुक्रमित संरचनाओं में व्यवस्थित करने और पुनर्प्राप्ति के लिए एक साहचर्य ग्राफ (associative graph) का उपयोग करने के माध्यम से प्रदर्शन और स्थिरता को बढ़ाती है, जिससे LoCoMo बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त होते हैं।