10025 पेपर
यह शोध पत्र OpAI-Bench प्रस्तुत करता है, जो एक नया बेंचमार्क है जो प्रगतिशील मानव-से-AI सह-संपादन वर्कफ़्लो का अनुकरण करके कई स्तरों पर AI-टेक्स्ट डिटेक्शन का मूल्यांकन करता है, जिससे यह पता चलता है कि पता लगाने की क्षमता केवल AI-जनित सामग्री के अनुपात से नहीं, बल्कि संपादन कार्यों, डोमेन और संशोधन इतिहास से प्रभावित गैर-एकदिष्ट (non-monotonic) पैटर्न का अनुसरण करती है।
यह शोध पत्र ZPS प्रस्तुत करता है, जो एक बाधा-निर्देशित (constraint-guided) मल्टी-एजेंट सिस्टम है जो जटिल ज़ेबरा पहेलियों को हल करने के लिए SMT कोड उत्पन्न करने और परिष्कृत करने हेतु लार्ज लैंग्वेज मॉडल्स को एक ऑफ-द-शेल्फ थ्योरम प्रूवर के साथ जोड़ता है, जो स्टैंडअलोन LLMs की तुलना में महत्वपूर्ण सटीकता सुधार प्रदर्शित करता है।
यह शोध पत्र व्युत्पन्न एंट्रॉपी (derivational entropy) और कथन की औसत लंबाई (mean length of utterance - MLU) के बीच एक मौलिक संबंध स्थापित करके, छोटे संग्रहों (corpora) से व्याकरणिक विविधता को मापने के लिए एक सिद्धांत-मुक्त ढांचे का प्रस्ताव करता है, जिसमें व्युत्पन्न एंट्रॉपी दर (derivational entropy rate) और स्मूद्थ इंड्यूस्ड ट्रीबैंक एंट्रॉपी (Smoothed Induced Treebank Entropy - SITE) टूल को विभिन्न एनोटेशन ढांचों में सिंटैक्टिक जटिलता का सटीक आकलन करने के लिए पेश किया गया है।
यह शोध पत्र बहुभाषी परिवेश में प्रोग्राम-ऑफ-थॉट (PoT) प्रॉम्प्टिंग का मूल्यांकन करने के लिए एक रूपरेखा प्रस्तावित करता है, जो यह प्रदर्शित करता है कि फाइन-ट्यूनिंग, चेन-ऑफ-थॉट की तुलना में तर्क क्षमताओं को महत्वपूर्ण रूप से बढ़ाती है और कोड की गुणवत्ता एवं उत्तर की सटीकता के बीच एक मजबूत सहसंबंध स्थापित करती है।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ एकीकरण वाले विजन-लैंग्वेज मॉडल फॉरवर्ड डायनेमिक्स प्रेडिक्शन (forward dynamics prediction) में संघर्ष करते हैं, वहीं वे सिंथेटिक प्रशिक्षण डेटा उत्पन्न करने और इन्फरेंस-टाइम सर्च को निर्देशित करने के लिए काफी आसान 'इनवर्स डायनेमिक्स प्रेडिक्शन' (inverse dynamics prediction) कार्य का लाभ उठाकर एक्शन-केंद्रित इमेज एडिटिंग में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए प्रभावी रूप से बूटस्ट्रैप किए जा सकते हैं।
यह शोध पत्र WETBench प्रस्तुत करता है, जो एक बहुभाषी, कार्य-विशिष्ट बेंचमार्क है जिसे वास्तविक विकिपीडिया संपादन परिदृश्यों पर मशीन-जनित पाठ डिटेक्टरों का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान मॉडल सामान्यीकरण में संघर्ष करते हैं और विश्वसनीयता सुनिश्चित करने के लिए विविध, संदर्भ-जागरूक मूल्यांकन की आवश्यकता को उजागर करता है।
यह शोधपत्र कंस्ट्रेंड एडेप्टिव रिजेक्शन सैंपलिंग (CARS) को प्रस्तुत करता है, जो एक विधि है जो एक ट्राइ (trie) के माध्यम से अमान्य निरंतरताओं को अनुकूल रूप से छाँटकर (pruning) सख्त बाधाओं के तहत लैंग्वेज मॉडल जनरेशन की सैंपल दक्षता को बढ़ाती है, जिससे मौजूदा ग्रीडी या मानक रिजेक्शन सैंपलिंग दृष्टिकोणों की तुलना में मूल वितरण को सुरक्षित रखते हुए स्वीकृति दरों और विविधता में सुधार होता है।
यह शोधपत्र VERITAS प्रस्तुत करता है, जो एक नवीन ढांचा है जो एजेंटिक खोज प्रणालियों (agentic search systems) में अविश्वसनीय मध्यवर्ती तर्क (unfaithful intermediate reasoning) की समस्या को संबोधित करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) में सूक्ष्म टर्न-स्तरीय निष्ठा पुरस्कारों (fine-grained turn-level faithfulness rewards) को एकीकृत करता है, यह प्रदर्शित करते हुए कि ऐसा प्रशिक्षण पारंपरिक एपिसोड-स्तरीय परिणाम-आधारित पुरस्कारों की तुलना में तर्क की निष्ठा और समग्र कार्य प्रदर्शन दोनों में सुधार करता है।
यह शोध पत्र एक नियंत्रित मूल्यांकन ढांचे को प्रस्तुत करता है जो यह प्रदर्शित करता है कि स्केल-प्रशिक्षित मल्टीमॉडल लैंग्वेज मॉडल्स के मध्य परतों में सिंबल ग्राउंडिंग (symbol grounding) एक एग्रीगेट तंत्र के माध्यम से उभरती है जहाँ अटेंशन हेड्स पर्यावरणीय इनपुट्स को भाषाई भविष्यवाणियों से जोड़ते हैं, एक ऐसी घटना जो ट्रांसफॉर्मर्स और स्टेट-स्पेस मॉडल्स में देखी जाती है लेकिन यूनिडायरेक्शनल एलएसटीएम (unidirectional LSTMs) में नहीं।