9843 पेपर
यह शोध पत्र यह प्रदर्शित करके कि जबकि मॉडल स्पष्ट प्रॉम्प्टिंग के तहत सफल होते हैं, वे निहित (इम्प्लिसिट) प्रॉम्प्ट से संचारत्मक दक्षता की आवश्यकता को समझने में विफल रहते हैं, LVLMs की कुशल संदर्भ अभिव्यक्तियों (रेफरिंग एक्सप्रेशंस) को समन्वित करने की क्षमता पर विरोधाभासी निष्कर्षों को सुलझाता है, जो मानव और एआई संचार के बीच एक मौलिक विचलन को प्रकट करता है।
यह शोध पत्र प्रकट करता है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) उत्पाद अनुशंसाओं में स्थापित ब्रांडों के प्रति एक मजबूत पक्षपात प्रदर्शित करते हैं, जो प्रसिद्ध ब्रांडों के लिए एक "सशर्त एकाधिकार" (कंडीशनल मोनोपोली) बनाता है जिसे मामूली गुणवत्ता लाभ या निर्मित अधिकार दावों द्वारा तोड़ा जा सकता है, जो अंततः ब्रांडों को एक सामाजिक दुविधा की ओर धकेलता है जहाँ सार्वभौमिक अनुकूलन रणनीतियाँ व्यक्तिगत प्रतिफल को अत्यधिक कम कर देती हैं।
यह शोध पत्र PARSE को प्रस्तुत करता है, जो एक प्रोवेनेंस-अवेयर रिट्रीवल सैनिटाइजेशन पाइपलाइन है जो उपयोगिता को बनाए रखते हुए वास्तविक दुनिया के पेशेवर दस्तावेजों पर प्रॉम्प्ट इंजेक्शन हमले की सफलता दर को महत्वपूर्ण रूप से कम करता है, जो सिंथेटिक बेंचमार्क पर मूल्यांकन किए जाने पर मौजूदा सुरक्षा प्रणालियों की महत्वपूर्ण विफलता को संबोधित करता है।
यह शोध पत्र इस बात की जांच करता है कि कैसे एंटरप्राइज एलएलएम (LLM) असिस्टेंट्स में टूल कैटलॉग के आकार 10 से बढ़कर 110 एजेंटों तक होने पर रूटिंग सटीकता कम हो जाती है, जिसमें रिट्रीवल (retrieval) और कन्फ्यूजन (confusion) अंतराल को विफलता के प्राथमिक कारणों के रूप में पहचाना गया है और यह प्रदर्शित किया गया है कि एम्बेडिंग-आधारित शॉर्टलिस्टिंग (embedding-based shortlisting) कई फ्रंटियर मॉडल्स (frontier models) में महत्वपूर्ण एफ1 (F1) प्रदर्शन को प्रभावी ढंग से पुनः प्राप्त करती है।
यह शोधपत्र एक सैद्धांतिक विश्लेषण प्रदान करता है जो यह प्रदर्शित करता है कि डीप ट्रांसफॉर्मर्स में बाउंडेड-डेप्थ कॉन्टेक्स्ट-फ्री ग्रामर्स से अमूर्त व्याकरणिक अवस्थाओं को लो-डायमेंशनल, लीनियरली सेपरेबल सबस्पेसों में एनकोड करने की संरचनात्मक क्षमता होती है, जिससे पदानुक्रमित मॉडलिंग के लिए लीनियर रिप्रेजेंटेशन हाइपोथेसिस की पुष्टि होती है।
यह शोध पत्र यह प्रकट करता है कि केवल LLM-जनित नोड विशेषताओं (node features) को GNN इनपुट के साथ जोड़ने से होमोफिलस (homophilous) बेंचमार्क पर प्रदर्शन व्यवस्थित रूप से घट सकता है, एक ऐसी घटना जो ग्राफ होमोफिली के बजाय LLM की स्टैंडअलोन डिस्क्रिमिनेबिलिटी (discriminability) द्वारा संचालित होती है, और यह भविष्यवाणी करने के लिए एक डिस्क्रिमिनेबिलिटी थ्रेशोल्ड (discriminability threshold) प्रस्तावित करता है कि कब ऐसा संयोजन हानिकारक होगा।
यह शोध पत्र एक "बेंचमार्क भ्रम" (benchmark illusion) को उजागर करता है जहाँ प्रून की गई (pruned) लार्ज लैंग्वेज मॉडल्स बहुविकल्पीय मूल्यांकनों पर सक्षम दिखाई देती हैं लेकिन ओपन-एंडेड जनरेशन में विफल हो जाती हैं क्योंकि प्रूनिंग सही उत्तरों को मिटाने के बजाय उन्हें कमतर कर देती है, जो यह सुझाव देता है कि संकुचित मॉडल्स का परीक्षण केवल उनकी पहचान करने की क्षमताओं के बजाय उनकी जनरेटिव क्षमताओं पर किया जाना चाहिए।
OPD-Evolver एक स्लो-फास्ट को-इवोल्यूशन फ्रेमवर्क पेश करता है जो ऑन-पॉलिसी सेल्फ-डिस्टिलेशन का उपयोग करता है ताकि समग्र एजेंट इवॉल्वर्स विकसित किए जा सकें जो प्रभावी ढंग से मेमोरी को चुनने, उपयोग करने और बनाए रखने में सक्षम हों, जिससे मौजूदा मेमोरी सिस्टम और ट्रेनिंग-आधारित तरीकों को पीछे छोड़ते हुए छोटे मॉडल्स को बहुत बड़े समकक्षों के बराबर खड़ा किया जा सके।
यह शोध पत्र LLM-as-Environment-Engineer फ्रेमवर्क प्रस्तुत करता है, जो वर्तमान पॉलिसी मॉडल को अपनी विफलताओं का विश्लेषण करने और अनुकूलित वातावरण कॉन्फ़िगरेशन प्रस्तावित करने के लिए सक्षम बनाकर सुदृढीकरण शिक्षण (Reinforcement Learning) प्रशिक्षण को स्वचालित करता है, एक ऐसी विधि जो मल्टी-डायमेंशनल MAPF-FrozenLake टेस्टबेड पर फिक्स्ड-एनवायरनमेंट बेसलाइन्स और बड़े प्रोप्रायटरी LLMs दोनों से बेहतर प्रदर्शन करती है।