10348 पेपर
यह अध्ययन प्रकट करता है कि एक नियंत्रित संसाधन-आवंटन कार्य में, भाषा मॉडल अस्पष्ट तीव्रता वाले शब्दों के क्रमिक भेदों को संख्यात्मक आउटपुट के एक सीमित सेट में संकुचित कर देते हैं, जिनका व्यवहार वर्तमान सिस्टम अवस्था पर अत्यधिक निर्भर हो जाता है और परिचालन सीमाओं के निकट असंतत पैटर्न प्रदर्शित करता है।
यह शोध पत्र एनर्जी-गेटेड अटेंशन (EGA) प्रस्तुत करता है, जो एक पैरामीटर-कुशल ट्रांसफॉर्मर संशोधन है जो सूचनात्मक रूप से सघन टोकन को प्राथमिकता देने के लिए टोकन एम्बेडिंग की सीखी गई स्पेक्ट्रल ऊर्जा के आधार पर वैल्यू एग्रीगेशन को गेट करता है, जो भाषा मॉडलिंग बेंचमार्क पर निरंतर वैलिडेशन लॉस सुधार प्राप्त करता है और यह प्रकट करता है कि इष्टतम ऊर्जा थ्रेसहोल्ड अंग्रेजी टेक्स्ट में कंटेंट वर्ड्स के स्थिर अंश के अनुरूप है।
यह शोध पत्र एक हाइब्रिड आर्किटेक्चर का प्रस्ताव करता है जो "जटिलता स्कोर" (Complexity Score) के आधार पर NVDRS आत्महत्या की परिस्थितियों को निकालने के लिए लार्ज लैंग्वेज मॉडल्स और फाइन-ट्यून्ड रोबर्टा (RoBERTa) के बीच गतिशील रूप से चयन करता है, यह प्रदर्शित करते हुए कि दुर्लभ और अनुमानित रूप से जटिल मामलों में LLMs, फाइन-ट्यून्ड मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करते हैं जबकि बाद वाले सामान्य मामलों के लिए प्रभावी बने रहते हैं।
यह शोध पत्र ज्योमेट्री-एडेप्टिव एक्सप्लेनर (GAE) को प्रस्तुत करता है, जो एक ग्रेडिएंट-फ्री विधि है जो डिक्शनरी-आधारित व्याख्यात्मकता उपकरणों (interpretability tools) को आउट-ऑफ-डिस्ट्रीब्यूशन एक्टिवेशन सबस्पेस के साथ पुनर्गठित करती है ताकि वितरण बदलावों (distribution shifts) के तहत कॉज़ल फेथफुलनेस (causal faithfulness) में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र SpecHop पेश करता है, जो एक निरंतर स्पेक्यूलेशन (speculation) फ्रेमवर्क है जो मल्टी-हॉप रिट्रीवल कार्यों में टूल आउटपुट का अनुमान लगाने और उसे सत्यापित करने के लिए कई एसिंक्रोनस थ्रेड्स का उपयोग करता है, जिससे सटीकता से समझौता किए बिना वॉल-क्लॉक लेटेंसी (wall-clock latency) को 40% तक कम किया जा सकता है।
यह शोध पत्र प्रकट करता है कि मल्टी-एजेंट एलएलएम (LLM) सिस्टम में इंजेक्शन डिटेक्टर एक महत्वपूर्ण "कैमफ्लाज डिटेक्शन गैप" (छलावरण पहचान अंतराल) से ग्रस्त हैं, जो उन हमलों की पहचान करने में विफल रहते हैं जो डोमेन-विशिष्ट शब्दावली और अधिकार संरचनाओं की नकल करते हैं, जिसके कारण पहचान दर तेजी से गिर जाती है और सुरक्षा तंत्रों में एक गंभीर संरचनात्मक भेद्यता उजागर होती है।
यह शोध पत्र IMDb डेटासेट पर सेंटीमेंट क्लासिफिकेशन के लिए विभिन्न मशीन लर्निंग और एनएलपी मॉडल्स का मूल्यांकन करता है, जिसमें यह पाया गया कि RoBERTa 93.02% की उच्चतम सटीकता प्राप्त करता है जबकि सभी मॉडल्स का एक सॉफ्ट वोटिंग एन्सेम्बल समग्र प्रदर्शन को और अधिक बढ़ाता है।
यह शोध पत्र इस दृष्टिकोण को चुनौती देता है कि मतिभ्रम (hallucinations) केवल ज्ञान की कमी के कारण होते हैं, यह प्रकट करते हुए कि बड़े इंस्ट्रक्शन-ट्यून्ड एलएलएम (LLMs) अक्सर मतिभ्रम इसलिए करते हैं क्योंकि वे अपने संभाव्यता वितरण (probability distribution) में पहले से मौजूद एक सही अवधारणा के प्रति प्रतिबद्ध होने में विफल रहते हैं, बल्कि एक स्केल-डिपेंडेंट शार्पनिंग मैकेनिज्म के कारण विकल्पों के बीच संभाव्यता द्रव्यमान (probability mass) को बिखेर देते हैं जो सहायकता और आत्मविश्वासी त्रुटियों दोनों को प्रेरित करता है।
FlyRoute एक स्व-विकसित प्रोफाइलिंग ढांचा है जो लक्षित अन्वेषण और साक्ष्य आसवन (evidence distillation) के माध्यम से वास्तविक ट्रैफ़िक से एजेंट क्षमता विवरणों को गतिशील रूप से अपडेट करने के लिए डेटा फ्लाईव्हील का लाभ उठाता है, जिससे स्थिर बेसलाइन की तुलना में अनुकूली कार्य रूटिंग सटीकता में महत्वपूर्ण सुधार होता है।
यह शोधपत्र Ishigaki-IDS-Bench प्रस्तुत करता है, जो एक द्विभाषी बेंचमार्क है जिसमें 166 विशेषज्ञ-सत्यापित उदाहरण शामिल हैं जो बिल्डिंग इंफॉर्मेशन मॉडलिंग (BIM) आवश्यकताओं से मानक-अनुपालन सूचना वितरण विनिर्देश (IDS) XML उत्पन्न करने की लार्ज लैंग्वेज मॉडल्स की क्षमता का मूल्यांकन करता है, जिससे यह पता चलता है कि वर्तमान मॉडल XML संरचना और डोमेन शब्दावली बाधाओं दोनों को लगातार संतुष्ट करने में संघर्ष करते हैं।