10206 पेपर
यह शोध पत्र ओपिर (Opir) को प्रस्तुत करता है, जो GLiClass आर्किटेक्चर पर निर्मित कुशल, मल्टी-टास्क एनकोडर-आधारित गार्डरेल मॉडलों का एक परिवार है, जो मौजूदा बड़े गार्डरेल सिस्टम की तुलना में काफी छोटा परिनियोजन फुटप्रिंट बनाए रखते हुए विषाक्तता (toxicity), जेलब्रेक और हानिकारक सामग्री का पता लगाने में प्रतिस्पर्धी सुरक्षा वर्गीकरण प्रदर्शन प्राप्त करता है।
GRASP एक स्व-सुधार ढांचा है जो LLM एजेंटों के लिए एक हार्ड रिग्रेशन बजट के आधार पर गेटेड स्वीकृति के माध्यम से एक सीमित कौशल लाइब्रेरी को पुनरावृत्ति से अपडेट करता है, जो पिछले सीखे गए व्यवहारों के क्षरण को रोकते हुए संरचित नैदानिक और गैर-नैदानिक बेंचमार्क पर प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र प्रदर्शित करता है कि अर्थहीन रूप से असंबंधित "स्पूरियस" (spurious) प्रॉम्प्ट्स बड़े भाषा मॉडलों को व्यवस्थित रूप से या तो कार्य प्रदर्शन में सुधार करने के लिए या अनपेक्षित व्यवहार उत्पन्न करने के लिए निर्देशित कर सकते हैं, जो ब्लैक-बॉक्स सर्च के माध्यम से शोषण की जा सकने वाली प्रॉम्प्ट संवेदनशीलता के एक नए रूप को प्रकट करता है।
यह शोध पत्र डोमिनो (Domino) का प्रस्ताव करता है, जो एक स्पेक्युलेटिव डिकोडिंग फ्रेमवर्क है जो एक समानांतर बैकबोन को एक हल्के रिफाइनमेंट हेड और एक बेस-एंकरित प्रशिक्षण पाठ्यक्रम के साथ जोड़कर कॉज़ल डिपेंडेंसी मॉडलिंग को ऑटोरेग्रेसिव ड्राफ्टिंग से अलग करता है, जिससे Qwen3 मॉडलों पर 5.8x तक थ्रूपुट स्पीडअप प्राप्त होता है।
यह शोध पत्र इस अंतर्ज्ञान को चुनौती देता है कि Mixture-of-Experts LLMs में सुरक्षा हानिकारक अनुरोधों को विशिष्ट इनकार करने वाले विशेषज्ञों (refusal experts) की ओर रूट करने से नियंत्रित होती है, बल्कि यह प्रदर्शित करता है कि सुरक्षा व्यवहार विशेषज्ञों के एक छोटे उपसमूह में स्थानीयकृत है और प्रस्तावित RASET फ्रेमवर्क के माध्यम से मॉडल के अंतर्निहित रूटिंग पथों को बदले बिना प्रभावी ढंग से लक्षित किया जा सकता है।
यह शोध पत्र मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल्स में बहुभाषी रूटिंग गतिकी की जांच करता है, जो यह प्रकट करता है कि भाषा विशेषज्ञता मुख्य रूप से अंतिम परतों में उभरती है, और इस अंतर्दृष्टि का लाभ उठाते हुए एक पैरामीटर-कुशल अनुकूलन रणनीति प्रस्तावित करता है जो प्रतिस्पर्धी बहुभाषी प्रदर्शन प्राप्त करने के लिए 2% से भी कम मापदंडों को अपडेट करती है।
यह शोध पत्र यूजर-अवेयर एक्टिव नॉलेज एक्विजिशन (UKA) प्रस्तुत करता है, जो एक ग्रेडिएंट-फ्री फ्रेमवर्क है जो थ्योरी-ऑफ-माइंड अनसर्टेन्टी एस्टीमेशन का लाभ उठाकर संवादात्मक ज्ञान को सक्रिय रूप से प्राप्त करने और प्रतिक्रियाओं का चयन करने के लिए उपयोग किया जाता है, जिससे कमजोर और अप्रत्यक्ष उपयोगकर्ता आवश्यकताओं को प्रभावी ढंग से संबोधित करके भावनात्मक सहायता संवाद की गुणवत्ता और उपयोगकर्ता संरेखण में सुधार होता है।
यह शोधपत्र HTAM प्रस्तुत करता है, जो एक पदानुक्रमित ढांचा (hierarchical framework) है जो LLM-आधारित GPU ऑपरेटर जनरेशन को निर्देशित करने के लिए अनुकूलन अनुभव (optimization experience) को एक मोटे-से-सूक्ष्म संक्रमण ग्राफ (coarse-to-fine transition graph) में व्यवस्थित करता है, जिससे ग्रैनुलैरिटी मिसमैच (granularity mismatches) का समाधान होता है और कर्नेल की शुद्धता एवं प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह अध्ययन प्रकट करता है कि प्रॉम्प्ट्स में सूक्ष्म, एकल-चर परिवर्तन भी कोडिंग एलएलएम (LLMs) को असुरक्षित कोड उत्पन्न करने के लिए प्रेरित कर सकते हैं, जिसमें इनपुट-हैंडलिंग संबंधी खामियां सुरक्षित-डिफ़ॉल्ट त्रुटियों की तुलना में हिडन स्टेट्स (hidden states) से अधिक पूर्वानुमानित होती हैं, जिससे सुरक्षा खतरा मॉडल प्रॉम्प्ट इंजेक्शन से आगे बढ़कर सामान्य प्रॉम्प्ट विविधताओं तक विस्तृत हो जाता है।
यह शोध पत्र मल्टी-लीगल-बेंच (Multi-Legal-Bench) का परिचय देता है, जो छह देशों और चार भाषा परिवारों में कानूनी तर्क का मूल्यांकन करने वाला पहला क्रॉस-ज्यूरिसडिक्शनल (विभिन्न क्षेत्राधिकारों वाला) बेंचमार्क है, जो यह प्रकट करता है कि कार्य प्रदर्शन क्षेत्राधिकार के अनुसार काफी भिन्न होता है और लेबल-सेट संरेखण (label-set alignment), भाषा की निकटता या टोकेनाइज़र दक्षता के बजाय, क्रॉस-लिंगुअल फ्यू-शॉट ट्रांसफर की सफलता का प्राथमिक भविष्यवक्ता है।