9552 पेपर
यह शोध पत्र प्रदर्शित करता है कि संरचनात्मक आउट-ऑफ-डिस्ट्रीब्यूशन हमले, विशेष रूप से क्रॉस-डेकेड रजिस्टर शिफ्ट और मॉडर्निस्ट स्ट्रीम-ऑफ-कॉन्शसनेस रूप, एक मौलिक भेद्यता का लाभ उठाकर अत्याधुनिक एडवर्सियली फाइन-ट्यून्ड एआई डिटेक्टरों को प्रभावी ढंग से बायपास कर देते हैं जहाँ टेक्स्ट को डिटेक्टर के प्रशिक्षण वितरण से दूर धकेलना सफल होता है जबकि मानव डेटा की नकल करना विफल हो जाता है।
यह शोध पत्र प्रदर्शित करता है कि भाषा मॉडल, विशेष रूप से पोलिश के लिए अनुकूलित, संस्थागत परिचितता (entity familiarity) के क्रमिक आंतरिक रीडआउट (graded internal readouts) रखते हैं जो प्रॉम्प्ट भाषा के प्रति सुदृढ़ हैं और इनकार व्यवहार (refusal behaviors) को नियंत्रित करने के लिए प्रभावी ढंग से निर्देशित किए जा सकते हैं, हालांकि ये पूर्व-उत्पादन संकेत (pre-generation signals) अंतिम परहेज निर्णयों (abstention decisions) को नियंत्रित करने वाली नीतियों से भिन्न रहते हैं।
यह शोध पत्र MemCon प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मेमोरी ऑपरेशन्स को एक सीखने योग्य मार्कोव डिसीजन प्रोसेस (Markov Decision Process) के रूप में मानता है ताकि एक लाइटवेट कॉन्टेक्स्टुअल बैंडिट (contextual bandit) के माध्यम से रिट्रीवल, इंजेक्शन और कंसोलिडेशन रणनीतियों को गतिशील रूप से अनुकूलित किया जा सके, जिससे स्टेटिक, ह्यूरिस्टिक-आधारित मेमोरी सिस्टम की तुलना में विविध बेंचमार्क पर एलएलएम (LLM) एजेंट के प्रदर्शन और दक्षता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र CANON को प्रस्तुत करता है, जो एक लेबल-मुक्त स्व-डिस्टिलेशन (self-distillation) विधि है जो सघन, टोकन-स्तरीय पर्यवेक्षण प्रदान करने के लिए कई मॉडल आउटपुट के बीच सर्वसम्मति का लाभ उठाती है, जिससे तर्क सटीकता में महत्वपूर्ण सुधार होता है और यह मौजूदा लेबल-मुक्त दृष्टिकोणों से बेहतर प्रदर्शन करते हुए गोल्ड-लेबल प्रशिक्षण के प्रदर्शन के करीब पहुँच जाता है।
यह शोध पत्र एक स्व-विकसित एजेंट फ्रेमवर्क पेश करता है जो मॉडल के भार (weights) को संशोधित किए बिना, विभिन्न डोमेन में सामान्यीकरण योग्य लाभ सुनिश्चित करने के लिए एक गेटेड क्वालिटी-डाइवर्सिटी आर्काइव का उपयोग करते हुए, हार्नेस पैच के प्रस्ताव को उनके नियतात्मक, सांख्यिकीय रूप से मान्य श्रेय (crediting) से अलग करके, एलएलएम (LLM) प्रदर्शन में स्वतः सुधार करता है।
यह शोध पत्र L2 ध्वन्यात्मक सटीकता, लय और स्वर-लहरी का आकलन करने के लिए WavLM निरूपण और डायनेमिक टाइम वार्पिंग (DTW) का उपयोग करते हुए एक टेक्स्ट-मुक्त, स्व-पर्यवेक्षित ढांचे का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि यह बिना किसी लेबल किए गए L2 प्रशिक्षण डेटा की आवश्यकता के, ध्वन्यात्मक स्कोरिंग पर मानव सहमति से अधिक हो सकता है और लय पर मानव-स्तर के प्रदर्शन के करीब पहुँच सकता है।
यह शोध पत्र दो सहकार्यात्मक पक्षों, एलिस और बॉब को शामिल करते हुए एक एकीकृत संचार जटिलता मॉडल प्रस्तावित करता है ताकि मनमाने आउटपुट डोमेन और अनंत वर्णमालाओं (alphabets) वाली फलनों की नियमितता को अभिलक्षणित किया जा सके, जो मौजूदा परिणामों का सामान्यीकरण करता है और व्यापक प्रयोज्यता का अनुमान लगाता है।
यह शोध पत्र DeltaMerge-LowRes को प्रस्तुत करता है, जो सीमित डेटा से भाषा और कार्य (task) के डेल्टा को अलग-अलग सीखता है और उन्हें नवीन संयोजन नियमों, विशेष रूप से क्रॉस-एक्सिस TIES का उपयोग करके पुनर्संयोजित करता है, जिससे सारांश (summarization), प्रश्न-उत्तर (QA) और वर्गीकरण (classification) कार्यों में लो-रिसोर्स अनुकूलन प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र CAVE-ABSA को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो ओपिनियन स्पैन (opinion spans) को स्थानीयकृत करने और अर्थ संबंधी निरंतरता सुनिश्चित करने के लिए मल्टी-कन्स्ट्रेंट फ़िल्टरिंग लागू करने के माध्यम से पहलू-स्तरीय काउंटरफैक्टुअल्स (aspect-level counterfactuals) को उत्पन्न और सत्यापित करता है, जिससे एस्पेक्ट-बेस्ड सेंटीमेंट एनालिसिस (Aspect-Based Sentiment Analysis) के लिए सुदृढ़ मूल्यांकन और डेटा संवर्धन सक्षम होता है।
यह शोध पत्र "Hindcast" प्रस्तुत करता है, जो एक कठोर मूल्यांकन ढांचा है जो सार्वजनिक सूचना के एक स्थिर, समय-कटऑफ स्नैपशॉट के विरुद्ध प्रेडिक्शन मार्केट्स को फिर से चलाकर LLM पूर्वानुमान में डेटा लीकेज को रोकता है ताकि यह सुनिश्चित किया जा सके कि मॉडल को वास्तविक दूरदर्शिता पर ग्रेड दिया जाए न कि घटना के बाद की स्मृति (post-event recall) पर।