10449 पेपर
यह शोध पत्र BudgetMem को प्रस्तुत करता है, जो एक रनटाइम एजेंट मेमोरी फ्रेमवर्क है जो मेमोरी मॉड्यूल्स के माध्यम से क्वेरी-जागरूक बजट स्तरों (query-aware budget tiers) को गतिशील रूप से चुनने के लिए सुदृढीकरण लर्निंग-आधारित राउटर का उपयोग करता है, जो प्रभावी रूप से कार्य प्रदर्शन और कम्प्यूटेशनल लागत के बीच के संतुलन को अनुकूलित करता है।
SHINE एक स्केलेबल हाइपरनेटवर्क है जो विविध संदर्भों को एक ही फॉरवर्ड पास में बड़े भाषा मॉडलों के लिए उच्च-गुणवत्ता वाले LoRA एडेप्टरों में कुशलतापूर्वक मैप करता है, जिससे फाइन-ट्यूनिंग के बिना तत्काल जटिल कार्य अनुकूलन सक्षम होता है और पारंपरिक तरीकों की तुलना में कम्प्यूटेशनल लागत को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र वेरिएशनल इन-कॉन्टेक्स्ट रिवॉर्ड मॉडलिंग (ICRM) का प्रस्ताव करता है, जो एक नवीन बेयसियन ढांचा है जो इन-कॉन्टेक्स्ट प्रदर्शनों के माध्यम से अनदेखी प्राथमिकता वितरणों के अनुकूल होकर रिवॉर्ड मॉडल्स के लिए टेस्ट-टाइम स्टीयरेबिलिटी (steerability) को सक्षम बनाता है, जिससे सटीकता, अंशांकन (calibration) और बहु-उद्देश्यीय संरेखण में सुधार होता है और साथ ही ओवर-ऑप्टिमाइज़ेशन के विरुद्ध सैद्धांतिक गारंटी भी प्रदान करता है।
यह शोध पत्र यह प्रदर्शित करता है कि यद्यपि एआई (AI) जलवायु परिवर्तन के आकलन, जैसे कि AMOC स्थिरता का विश्लेषण करने में वैज्ञानिक कार्यप्रवाह को महत्वपूर्ण रूप से तेज कर सकता है और तार्किक निरंतरता बनाए रख सकता है, फिर भी कठोर और स्वीकार्य वैज्ञानिक रिपोर्ट तैयार करने के लिए इसे पर्याप्त विशेषज्ञ पर्यवेक्षण और मानवीय संश्लेषण की आवश्यकता होती है।
यह शोध पत्र TaperNorm प्रस्तुत करता है, जो प्री-नॉर्म ट्रांसफॉर्मर्स के लिए एक गेटेड दृष्टिकोण है जो इन्फरेंस थ्रूपुट को बेहतर बनाने के लिए आंतरिक नॉर्मलाइजेशन परतों को धीरे-धीरे हटाता है और यह प्रकट करता है कि अंतिम नॉर्मलाइजेशन मुख्य रूप से प्री-लॉगिट रिप्रजेंटेशन्स के स्केल को एंकर करने का कार्य करता है, एक ऐसी भूमिका जिसे पूरी तरह से नॉर्म-फ्री मॉडल्स को सक्षम करने के लिए फिक्स्ड-टारगेट स्केलिंग द्वारा प्रतिस्थापित किया जा सकता है।
यह शोध पत्र MASFactory को प्रस्तुत करता है, जो एक ग्राफ-केंद्रित ढांचा है जो प्राकृतिक भाषा के इरादों (intents) को निष्पादन योग्य मल्टी-एजेंट वर्कफ़्लो में संकलित करने के लिए एक ह्यूम-इन-द-लूप "वाइब ग्राफ़िंग" दृष्टिकोण का उपयोग करता है, जिससे मैनुअल कार्यान्वयन, पुन: उपयोग और संदर्भ एकीकरण की चुनौतियों का समाधान होता है और सात सार्वजनिक बेंचमार्क पर प्रभावशीलता प्रदर्शित होती है।
यह शोध पत्र इस बात की जांच करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) विकलांगता का प्रतिनिधित्व कैसे करते हैं, जिसमें एआई-जनित सोशल मीडिया पोस्ट की वास्तविक व्यक्तियों द्वारा लिखे गए पोस्ट के साथ तुलना की गई है, जिससे यह पता चलता है कि LLMs अत्यधिक सकारात्मक, आदर्शवादी रूढ़ियों को उत्पन्न करने की प्रवृत्ति रखते हैं जो वास्तविक जीवन की चुनौतियों को मिटा देती हैं, और साथ ही करियर और मनोरंजन जैसे विषयों से विकलांग लोगों को बाहर करने वाले नकारात्मक पूर्वाग्रह भी प्रदर्शित करते हैं।
यह अध्ययन लो-बिट क्वांटाइज्ड LLaMA-3.1 मॉडल्स में मतिभ्रम (hallucinations) और अस्थिरता को कम करने के लिए एक क्वांटाइजेशन-अवेयर मल्टी-पास प्रॉम्प्ट वेरिफिकेशन विधि प्रस्तावित करता है, जो यह प्रदर्शित करता है कि जबकि 8-बिट मॉडल्स मानव-कोडित ग्राउंड ट्रुथ से सबसे बेहतर मेल खाते हैं, प्रस्तावित तकनीक लागत प्रभावी गुणात्मक अनुसंधान के लिए लोअर-बिट (4-बिट, 3-बिट, और 2-बिट) मॉडल्स की सटीकता और विश्वसनीयता को महत्वपूर्ण रूप से बढ़ाती है।
यह शोध पत्र एक संरचित ढांचे का प्रस्ताव करता है जो लंबे दस्तावेज़ों का विश्लेषण करते समय लार्ज लैंग्वेज मॉडल्स (LLMs) में विश्लेषणात्मक पूर्वाग्रह, विलोपन त्रुटियों और असमर्थित दावों को महत्वपूर्ण रूप से कम करने के लिए समानांतर चंक-स्तरीय प्रसंस्करण (parallel chunk-level processing) को साक्ष्य-आधारित समेकन (evidence-anchored consolidation) के साथ जोड़ता है, जो विशेष रूप से छोटे मॉडल्स के प्रदर्शन को बढ़ाता है।
यह शोध पत्र MedicalBench को प्रस्तुत करता है, जो MIMIC-IV डेटा से प्राप्त एक नवीन बेंचमार्क है, जो वाक्य-स्तरीय साक्ष्य ग्राउंडिंग के साथ निहित चिकित्सा अवधारणाओं (implicit medical concepts) को निकालने के चुनौतीपूर्ण कार्य पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है, जिससे चिकित्सा तर्क और व्याख्यात्मकता में वर्तमान मॉडल्स की सीमाओं का पता चलता है।