10206 पेपर
यह शोध पत्र "मशीन साइकोमेट्रिक्स" (Machine Psychometrics) का प्रस्ताव करता है, जो कृत्रिम चेतना की बहस को दरकिनार करते हुए, एक बहुआयामी "मशीन माइंडप्रिंट" (Machine Mindprint) और तैनाती के लिए एक संगत "ट्रस्ट प्रोटोकॉल" (Trust Protocol) के माध्यम से एआई एजेंटों की अंतर्निहित व्यवहारिक और संज्ञानात्मक संरचनाओं को परिभाषित करने और उनका मूल्यांकन करने के लिए गणितीय मनोविज्ञान को लागू करता है।
EchoDistill एक संरेखण-आधारित नॉइज़ी-टू-क्लीन सेल्फ-डिस्टिलेशन फ्रेमवर्क है जो एक फ्रोजन क्लीन-ऑडियो टीचर का उपयोग करके ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) के माध्यम से एक नॉइज़ी स्टूडेंट को निर्देशित करता है, जिससे वास्तविक दुनिया के शोर के विरुद्ध ऑडियो लार्ज लैंग्वेज मॉडल्स की मजबूती बढ़ती है और बिना किसी अतिरिक्त इन्फरेंस लागत के सिमेंटिक विश्वसनीयता और टास्क परफॉर्मेंस में सुधार होता है।
यह शोधपत्र एक कारणिक ढांचा (causal framework) और हस्तक्षेपों का एक समूह प्रस्तुत करता है जो यह प्रदर्शित करता है कि एलएलएम (LLM) जज अक्सर गैर-साक्ष्य संकेतों (non-evidential cues) द्वारा प्रेरित पूर्वाग्रहों को तर्कसंगत बनाने के लिए स्पष्टीकरण गढ़ते हैं, जबकि यह भी दर्शाता है कि एक "प्रूफ-बिफोर-प्रेफरेंस" (Proof-Before-Preference) रणनीति उनकी संकेत अपरिवर्तनीयता (cue invariance) और विश्वसनीयता में महत्वपूर्ण सुधार करती है।
यह शोध पत्र तर्क देता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) लेटेंट एनवायरनमेंट डायनेमिक्स के साथ ऑब्जेक्टिव मिसमैच के कारण लॉन्ग-होरिजन प्लानिंग और कॉज़ल रीजनिंग में संघर्ष करते हैं, जो "फ्लक्स" (Flux) एनवायरनमेंट के माध्यम से यह प्रदर्शित करता है कि लेटेंट स्टेट ट्रांज़िशन तक स्पष्ट पहुंच रखने वाले एजेंट स्थिर, दीर्घकालिक निर्णय लेने में LLMs की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र AERIC को प्रस्तुत करता है, जो एक हल्का, सेम-पास (same-pass) हिडन-स्टेट मॉनिटरिंग फ्रेमवर्क है जो न्यूनतम लेटेंसी ओवरहेड के साथ वास्तविक समय में अंतर्निहित हानिकारक संवाद का पूर्वानुमान लगाता है और उसे रोकता है, जो प्रमुख बेंचमार्क पर मौजूदा स्ट्रीमिंग सेफ्टी गार्ड्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र चार जांचों के माध्यम से क्लिनिकल-इंटरव्यू डिप्रेशन डिटेक्शन बेंचमार्क का ऑडिट करता है, जो यह प्रकट करता है कि सख्त सब्जेक्ट-डिस्जॉइंट मूल्यांकन एक नया प्रदर्शन बेसलाइन प्रदान करता है, आधिकारिक टेस्ट स्प्लिट्स क्रॉस-वैलिडेशन रैंकिंग के साथ खराब सहसंबंध रखते हैं, बाहरी कॉर्पोरा में ज़ीरो-शॉट ट्रांसफर कमजोर है, और टेक्स्ट-आधारित मॉडल लक्षण-सघन इंटरव्यू सेगमेंट पर ऑडियो मॉडलों की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह सर्वेक्षण एजेंट वर्कफ़्लो के माध्यम से सुरक्षा, मजबूती, गोपनीयता और सुरक्षा जोखिमों का परीक्षण करके, मूल्यांकन मेट्रिक्स और बेंचमार्क को समेकित करके, और उच्च-जोखिम वाले परिनियोजन के लिए व्यावहारिक शमन रणनीतियों के साथ खुले चुनौतियों की रूपरेखा तैयार करके, भरोसेमंद एजेंटिक एआई सिस्टम बनाने के लिए एक व्यापक ढांचा प्रदान करता है।
यह शोध पत्र एक प्री-ट्रेंड लार्ज लैंग्वेज मॉडल का उपयोग करके 2 करोड़ ट्विच चैट संदेशों का विश्लेषण करता है जिससे यह पता चलता है कि 2.4% संदेश विषाक्त हैं, जिनमें गेम के जॉनर और व्यक्तिगत शीर्षकों के बीच महत्वपूर्ण भिन्नता है, जो विशिष्ट सामुदायिक मानदंडों के आधार पर लक्षित मॉडरेशन रणनीतियों की आवश्यकता को रेखांकित करता है।
यह शोध पत्र एक न्यूट्रोसोफिक लॉजिक फ्रेमवर्क (Neutrosophic Logic framework) का प्रस्ताव करता है और बड़े भाषा मॉडलों (Large Language Models) के लिए इसका अनुभवजन्य सत्यापन करता है जो सत्य (Truth), अनिश्चितता (Indeterminacy) और असत्य (Falsity) को स्वतंत्र आयामों के रूप में मानता है, और यह प्रदर्शित करता है कि उनके योग को इकाई से अधिक (हाइपर-ट्रुथ/hyper-truth) होने की अनुमति देना प्रभावी रूप से उस ज्ञान संबंधी अनिश्चितता, विरोधाभास और नैतिक संघर्षों को पकड़ लेता है जिन्हें पारंपरिक संभाव्य मॉडल (probabilistic models) अलग करने में विफल रहते हैं।
यह शोध पत्र "इनफिलिंग एक्सट्रैक्शन" (infilling extraction) को प्रस्तुत करता है यह प्रदर्शित करने के लिए कि डिफ्यूजन लैंग्वेज मॉडल, ऑटोरिग्रेसिव मॉडलों की तुलना में प्रशिक्षण डेटा मेमोराइजेशन (memorization) के प्रति काफी अधिक संवेदनशील हैं, क्योंकि उनकी द्विदिश डिनोइजिंग (bidirectional denoising) क्षमताएं हमलावरों को एज-कंडीशन्ड मास्क (edge-conditioned masks) का उपयोग करके, रेडैक्टेड व्यक्तिगत पहचान योग्य जानकारी सहित, तीन गुना अधिक वर्बेटिम (verbatim) अनुक्रमों को निकालने की अनुमति देती हैं।