10509 पेपर
यह शोध पत्र दो नए मेट्रिक्स, नॉलेज सेपेरेबिलिटी स्कोर (KSS) और नॉलेज पर्सिस्टेंस स्कोर (KPS) का प्रस्ताव देकर मौजूदा मल्टीलिंगुअल मशीन अनलर्निंग (MMU) मूल्यांकनों की सीमाओं को संबोधित करता है, ताकि क्रॉस-लिंग्विस्टिक सूचना निष्कासन का बेहतर आकलन किया जा सके और MMU घटनाओं में गहरी अंतर्दृष्टि प्रदान की जा सके।
यह शोधपत्र एक कलन-आधारित (calculus-based) ढांचे का प्रस्ताव करता है जो एंड-टू-एंड ऑटोमैटिक स्पीच रिकग्निशन सिस्टम के लिए इष्टतम शब्दावली आकार हाइपर-पैरामीटर को औपचारिक रूप से निर्धारित करने के लिए प्रशिक्षण डेटा पर प्रथम और द्वितीय अवकलज परीक्षणों (first and second derivative tests) का उपयोग करता है, जो लिब्रीस्पीच कॉर्पस पर बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र 'थिंक व्हेन नीडेड' (TWN) का प्रस्ताव करता है, जो एक एकीकृत मल्टीमॉडल एम्बेडिंग फ्रेमवर्क है जो एक डुअल-लोरा (dual-LoRA) आर्किटेक्चर और एक एडेप्टिव रूटिंग मैकेनिज्म का उपयोग करता है ताकि यह गतिशील रूप से निर्णय लिया जा सके कि चेन-ऑफ-थॉट रीजनिंग कब उत्पन्न करनी है, जिससे मौजूदा विधियों की तुलना में काफी कम पैरामीटर ओवरहेड और इन्फरेंस लागत के साथ अत्याधुनिक रिट्रीवल प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र LiSA को प्रस्तुत करता है, जो एक रूढ़िवादी नीति प्रेरण (policy induction) ढांचा है जो संरचित मेमोरी के माध्यम से विरल और शोर युक्त परिनियोजन विफलताओं को पुन: प्रयोज्य नीति अमूर्तता (policy abstractions) में परिवर्तित करके स्थिर AI गार्डरेल्स को बढ़ाता है, जिससे एजेंटों को बार-बार फाइन-ट्यूनिंग की आवश्यकता के बिना प्रासंगिक सुरक्षा जोखिमों के अनुकूल होने में सक्षम बनाया जा सके।
यह शोधपत्र GroupMemBench को प्रस्तुत करता है, जो एक नवीन बेंचमार्क है जिसे समूह की गतिशीलता (group dynamics), वक्ता-आधारित विश्वास ट्रैकिंग (speaker-grounded belief tracking) और श्रोता-अनुकूलित भाषा (audience-adapted language) की कमियों को दूर करते हुए बहु-पक्षीय बातचीत में LLM एजेंट की स्मृति का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान स्मृति प्रणालियाँ इन जटिल समूह परिवेशों में सरल बेसलाइन की तुलना में काफी खराब प्रदर्शन करती हैं।
यह शोध पत्र करेक्शन-ओरिएंटेड पॉलिसी ऑप्टिमाइज़ेशन (CIPO) का प्रस्ताव करता है, जो एक नवीन विधि है जो विरिफिएबल रिवॉर्ड्स (Verifiable Rewards) के साथ सुदृढीकरण शिक्षण (Reinforcement Learning) में स्पार्स रिवॉर्ड्स की समस्या को दूर करने के लिए विफल प्रक्षेप पथों (trajectories) को स्व-पर्यवेक्षित सुधार संकेतों (self-supervised correction signals) में परिवर्तित करता है, जिससे गणितीय और कोडिंग बेंचमार्क में लार्ज लैंग्वेज मॉडल्स की तर्क करने और त्रुटि-सुधार क्षमताओं में उल्लेखनीय वृद्धि होती है।
यह शोध पत्र "एक्शन बॉटलनेक" (Action Bottleneck) घटना की पहचान करता है जहाँ एजेंटिक सुदृढीकरण शिक्षण (agentic reinforcement learning) में समान क्रेडिट असाइनमेंट, रीजनिंग टोकन पर अत्यधिक जोर देकर प्रशिक्षण संकेतों का गलत आवंटन करता है, और 'ActFocus' प्रस्तावित करता है, जो टोकन-स्तरीय ऊर्जा से सूचित एक सरल टोकन रीवेटिंग विधि है जो बिना किसी अतिरिक्त कम्प्यूटेशनल लागत के एक्शन टोकन को प्राथमिकता देकर प्रदर्शन में महत्वपूर्ण सुधार करती है।
यह शोध पत्र एक स्वचालित पाइपलाइन प्रस्तुत करता है जो बीहेवियर-ड्रिवन डेवलपमेंट (BDD) टेस्ट सूट्स में रिफैक्टरिंग अवसरों की पहचान करने, उन्हें रैंक करने और वर्गीकृत करने के लिए पैराफ्रेस-रोबस्ट क्लस्टरिंग और एक XGBoost क्लासिफायर का उपयोग करता है, जो यह प्रदर्शित करता है कि क्लासिफायर गेरकिन (Gherkin) फाइलों के एक बड़े संग्रह में एक्सट्रैक्ट करने योग्य स्टेप सबसीक्वेंसेस का पता लगाने में नियम-आधारित और लार्ज लैंग्वेज मॉडल (LLM) दोनों बेसलाइन से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र लार्ज लैंग्वेज डिफ्यूजन मॉडल्स के लिए अनिश्चितता परिमाणीकरण (अनसर्टेंटी क्वांटिफिकेशन) के पहले व्यवस्थित अध्ययन को प्रस्तुत करता है, जो डीनोइजिंग प्रक्रिया से प्राप्त हल्के, ज़ीरो-शॉट संकेतों का प्रस्ताव करता है जो मौजूदा सैंपलिंग-आधारित विधियों की तुलना में 100 गुना कम कम्प्यूटेशनल ओवरहेड के साथ विश्वसनीय मतिभ्रम (हैलुसिनेशन) डिटेक्शन प्राप्त करते हैं।
EndPrompt एक कुशल विधि है जो केवल लघु प्रशिक्षण अनुक्रमों को जोड़कर, लक्ष्य-लंबाई वाले पोजीशनल इंडेक्स के साथ एक टर्मिनल प्रॉम्प्ट संलग्न करके, बड़े भाषा मॉडलों के कॉन्टेक्स्ट विंडो को 64K तक विस्तारित करती है, जिससे पूर्ण-लंबाई वाले फाइन-ट्यूनिंग की उच्च कम्प्यूटेशनल लागतों से बचते हुए RULER और LongBench जैसे बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।