10091 पेपर
यह शोधपत्र NextMotionQA प्रस्तुत करता है, जो विजन-लैंग्वेज मॉडल्स में मानव गति की समझ का कठोरता से आकलन करने के लिए विभिन्न जटिलता स्तरों में मल्टी-टास्क मूल्यांकन वाला एक व्यापक बेंचमार्क है, जो महत्वपूर्ण क्षमता अंतराल को प्रकट करता है और सूक्ष्म गति विश्लेषण के लिए जज के रूप में VLMs के उपयोग की सीमाओं को परिभाषित करता है।
यह शोधपत्र BiasGRPO प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो सैम्पल्ड कंप्लीशन्स (sampled completions) के बीच रिवार्ड्स को नॉर्मलाइज़ करके लार्ज लैंग्वेज मॉडल्स में सोशल बायस मिटिगेशन को स्थिर करने के लिए ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन का लाभ उठाता है, जिससे यह DPO की एक्सप्लोरेशन सीमाओं और PPO की ट्रेनिंग अस्थिरता पर विजय प्राप्त करते हुए कई बेंचमार्क्स पर दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक एक्शन रूटिंग एजेंट पेश करता है जिसमें डेटा और कंट्रोल प्लेन हैं जो विफलता संकेतों के आधार पर प्रमाण प्रयासों को जारी रखने या पुनरारंभ करने का गतिशील रूप से निर्णय लेकर Lean के लिए एजेंटिक थ्योरम प्रूविंग में लागत-गुणवत्ता ट्रेडऑफ को अनुकूलित करता है, जिससे प्रदर्शन को बनाए रखते हुए PutnamBench पर कंप्यूट लागत में 25.8% की कमी आई है।
यह शोध पत्र हानिकारक एआई टेक्स्ट उपयोग पर आम सहमति की कमी को संबोधित करने के लिए AITDNA को पेश करता है, जो विस्तृत इंटरैक्शन इतिहास के साथ मानव-मशीन सह-निर्मित टेक्स्ट का एक नया बेंचमार्क है, ताकि यह प्रदर्शित किया जा सके कि वर्तमान डिटेक्टर अक्सर व्यापक समाधान के रूप में विफल हो जाते हैं और केवल एआई-जनित सामग्री की विशिष्ट परिभाषाओं के लिए ही अच्छा प्रदर्शन करते हैं।
यह शोध पत्र बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में प्रशिक्षण डेटा एट्रिब्यूशन के लिए एक द्विदिशीय ग्रेडिएंट अनुकूलन ढांचे (बाइडायरेक्शनल ग्रेडिएंट ऑप्टिमाइज़ेशन फ्रेमवर्क) को प्रस्तुत करता है जो जनित आउटपुट के आधार पर मूल मॉडल को विचलित करता है ताकि प्रशिक्षण नमूनों में लॉस परिवर्तनों को मापा जा सके, जिससे यह बेहतर मॉडल व्याख्यात्मकता और जवाबदेही के लिए प्रभावशाली डेटा की पहचान करने में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
CARE-link एक ओपन-सोर्स, वेब-आधारित प्लेटफॉर्म है जो रिमोट पेशेंट डेटा को एकत्रित करके, संदर्भ-जागरूक क्लिनिकल निर्णय सहायता प्रदान करके और व्हाट्सएप के माध्यम से व्यक्तिगत जीवनशैली मार्गदर्शन देकर जेस्टेशनल डायबिटीज प्रबंधन में सुधार के लिए क्लिनिशियन और मरीजों के बीच की दूरी को पाटने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
यह शोध पत्र DeliChess को प्रस्तुत करता है, जो बहु-पक्षीय संवादों का एक नवीन डेटासेट है जहाँ प्रतिभागी सहयोगात्मक रूप से शतरंज की पहेलियों को हल करते हैं, जो यह प्रदर्शित करता है कि समूह विचार-विमर्श सामूहिक सटीकता में महत्वपूर्ण सुधार करता है और जटिल तर्क एवं संवाद गतिशीलता के अध्ययन के लिए एक समृद्ध परीक्षण स्थल प्रदान करता है।
यह शोध पत्र MEval प्रस्तुत करता है, जो विशेष वीडियो कार्यों के माध्यम से मल्टी-मोडल मॉडल्स में मेमोरी क्षमताओं का व्यवस्थित रूप से मूल्यांकन करने के लिए डिज़ाइन किया गया पहला संज्ञानात्मक रूप से आधारित (cognitively-grounded) बेंचमार्क है, जो समानांतर स्ट्रीम्स में खराब डिसेंटैंगलमेंट और सीमित प्रतीकात्मक स्मृति (symbolic memory) जैसी महत्वपूर्ण कमजोरियों को उजागर करता है जो बेहतर मेमोरी तंत्र की आवश्यकता को रेखांकित करती हैं।
यह शोध पत्र डियोन्टिक एजेंटिक रीजनिंग (DAR) प्रस्तुत करता है, जो एक एजेंटिक फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल्स को जटिल डियोन्टिक रीजनिंग कार्यों पर प्रदर्शन सुधारने के लिए मांग पर कानूनों (statutes) के साथ इंटरैक्ट करने में सक्षम बनाता है, हालांकि यह उल्लेख करता है कि ये लाभ समान नहीं हैं और कमजोर मॉडल्स में संख्यात्मक प्रदर्शन में गिरावट और अधिक टोकन खपत का कारण बन सकते हैं।
यह शोध पत्र तर्क देता है कि फाउंडेशन मॉडल्स के लिए लागत-बचत अनुसंधान रणनीतियाँ, जैसे कि प्रॉक्सी प्रयोग और अवलोकनात्मक अध्ययन, विशिष्ट वैधता खतरों को पेश करती हैं जिन्हें अनुभवजन्य सामाजिक विज्ञानों से अनुकूलित एक प्रस्तावित कारण अनुमान (कॉज़ल इन्फरेंस) ढांचे के माध्यम से व्यवस्थित रूप से पहचाना और प्रबंधित किया जा सकता है।