10025 पेपर
यह शोध पत्र "SocioHack" प्रस्तुत करता है, जो एक सैंडबॉक्स है यह प्रदर्शित करता है कि सुदृढीकरण लर्निंग (reinforcement learning) के साथ प्रशिक्षित बड़े भाषा मॉडल (large language models) सामाजिक नियमों के अंतराल का लाभ उठाकर खामियों को खोजने और नियामक मंशा को विफल करने में सक्षम हो सकते हैं, जो सुरक्षित पोस्ट-ट्रेनिंग प्रतिमानों और अधिक सतर्क फीडबैक संग्रह की तत्काल आवश्यकता को रेखांकित करता है।
यह शोधपत्र POLARIS को प्रस्तुत करता है, जो एक कम-कंप्यूट (low-compute) GRPO प्रशिक्षण रेसिपी है जो LLM-as-a-judge रिवार्ड्स को मानव-संदर्भ इंजेक्शन (human-reference injection) के साथ जोड़ता है ताकि Qwen3.5-9B जैसे छोटे मॉडलों को उच्च-गुणवत्ता वाली, लंबी कहानियाँ उत्पन्न करने में सक्षम बनाया जा सके जो बड़े मॉडलों के बराबर हों और साथ ही मजबूत लंबाई पालन (length adherence) और सामान्यीकरण (generalization) बनाए रखें।
यह लेख प्रारंभिक डिजिटल विधियों से आधुनिक एलएलएम (LLMs) तक के विकास का पता लगाते हुए, विज्ञान के इतिहास, दर्शन और समाजशास्त्र में कम्प्यूटेशनल वैचारिक विश्लेषण के व्यापक इतिहास के भीतर लार्ज लैंग्वेज मॉडल्स को स्थापित करता है, साथ ही यह भी आलोचनात्मक रूप से परीक्षण करता है कि कैसे ये प्रौद्योगिकियाँ लंबे समय से चली आ रही पद्धतिगत चुनौतियों को विरासत में लेती हैं और वैज्ञानिक अवधारणाओं के अध्ययन के लिए नए अवसर प्रदान करती हैं।
SALIMORY एक नवीन ढांचा है जो पदानुक्रमित चरण-वार पुरस्कारों (hierarchical stage-wise rewards) और विरोधाभासी शोधन (contrastive refinement) के माध्यम से संज्ञानात्मक रूप से संरचित स्मृति को प्रबंधित करने के लिए एक एकल भाषा मॉडल को प्रशिक्षित करता है, जो संवादात्मक एजेंटों की एंड-टू-एंड सटीकता और वैयक्तिकरण में उल्लेखनीय सुधार करता है और स्मृति-जनित विफलताओं को कम करता है।
विभिन्न मॉडलों और डेटासेट्स पर बायोमेडिकल आरएजी (RAG) का यह बड़े पैमाने पर किया गया अध्ययन यह प्रकट करता है कि रिट्रीवल (retrieval), बिना रिट्रीवल वाले बेसलाइन की तुलना में केवल मामूली और असंगत सुधार प्रदान करता है, जो यह सुझाव देता है कि मुख्य बाधा रिट्रीवल की गुणवत्ता के बजाय रिट्रीव की गई साक्ष्य का प्रभावी ढंग से उपयोग करने में मॉडलों की सीमित क्षमता है।
यह शोध पत्र एक प्रशिक्षण-मुक्त (training-free), केवल CPU-आधारित रिट्रीवल रेसिपी प्रस्तुत करता है जो लेट-इंटरेक्शन डेंस स्कोर को BM25 के साथ फ्यूज करके दीर्घकालिक संवादात्मक स्मृति (long-term conversational memory) को महत्वपूर्ण रूप से बढ़ाता है, यह प्रदर्शित करते हुए कि जबकि यह लेक्सिकल-डेंस फ्यूजन मल्टी-हॉप और टेम्पोरल क्वेरीज़ पर स्टैंडअलोन डेंस या स्पार्स विधियों की तुलना में बेहतर प्रदर्शन करता है, यह पुन: रैंकिंग (reranking) द्वारा सार्वभौमिक रूप से सुधरा नहीं है और उन डेटासेट्स पर घटते प्रतिफल (diminishing returns) दिखाता है जहाँ लेक्सिकल रिट्रीवल पहले से ही संतृप्त (saturate) हो चुका है।
यह शोध पत्र प्रदर्शित करता है कि मल्टी-एजेंट एलएलएम (LLM) प्रणालियों में, नेटवर्क टोपोलॉजी द्वारा मेमोरी की गहराई का सर्वसम्मति की गति और विखंडन पर प्रभाव मौलिक रूप से उलट दिया जाता है, जो मेमोरी और संचार संरचनाओं को अलग-थलग अनुकूलित करने के बजाय उन्हें सह-डिज़ाइन करने की एक महत्वपूर्ण आवश्यकता को प्रकट करता है।
DetectZoo एक एकीकृत, ओपन-सोर्स टूलकिट है जो 61 डिटेक्टरों और 22 बेंचमार्क डेटासेट्स को एक एकल, प्रतिलिपि योग्य (reproducible) ढांचे में एकीकृत करके टेक्स्ट, ऑडियो और इमेज मोडैलिटीज में एआई-जनित सामग्री का पता लगाने के लिए अनुभवजन्य पाइपलाइन को मानकीकृत करता है।
MM-BizRAG एक मल्टीमॉडल रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क पेश करता है जो संरचनात्मक जानकारी को स्पष्ट रूप से कैप्चर करने के लिए एंटरप्राइज दस्तावेजों को ओरिएंटेशन-विशिष्ट पार्सिंग पाइपलाइनों के माध्यम से गतिशील रूप से रूट करता है, जो Q&A सटीकता में मौजूदा विजन-केंद्रित बेसलाइन से काफी बेहतर प्रदर्शन करता है और साथ ही FastRAGEval नामक एक लागत प्रभावी मूल्यांकन मीट्रिक भी प्रदान करता है।
यह शोधपत्र AXON को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) मॉड्यूल है जो अनिश्चित स्थितियों के डिनोइजिंग (denoising) में सहायता करने की उनकी क्षमता के आधार पर आत्मविश्वासी टोकनों को प्रकट करने के लिए गतिशील रूप से चुनने के माध्यम से डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स के गुणवत्ता-विलंबता ट्रेड-ऑफ (quality-latency trade-off) को बढ़ाता है, जिससे सटीकता को बनाए रखते हुए या उसमें सुधार करते हुए आवश्यक डिकोडिंग चरणों की संख्या कम हो जाती है।