10551 पेपर
यह शोध पत्र प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) की बार-बार आने वाले टोकन को गिनने में विफलता उनके आंतरिक रूप से सही गणना को दर्शाने में असमर्थता के कारण नहीं, बल्कि एक विशिष्ट फॉर्मेट-ट्रिगर वाली एमएलपी (MLP) तंत्र के कारण होती है जो आउटपुट जनरेशन के दौरान सटीक प्रतिनिधित्व को एक निश्चित गलत उत्तर के साथ ओवरराइट कर देती है।
यह शोध पत्र "रॉक टोकन्स" (Rock Tokens) को ऑन-पॉलिसी डिस्टिलेशन (On-Policy Distillation) में उच्च-हानि वाले टोकन के एक निरंतर उपसमूह के रूप में पहचानता है जो तर्क क्षमता (reasoning performance) में नगण्य योगदान देने के बावजूद महत्वपूर्ण अनुकूलन संसाधनों का उपभोग करते हैं, जिससे यह सिद्ध होता है कि उन्हें रणनीतिक रूप से दरकिनार करने से मॉडल संरेखण (model alignment) की प्रक्रिया को सुव्यवस्थित किया जा सकता है।
यह शोध पत्र दस एलएलएम (LLMs) द्वारा बहु-चरण (multi-turn) संवादों में संदर्भ स्विचिंग (context switching) को संभालने की क्षमता का मूल्यांकन करने के लिए एक सिंथेटिक बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ कुछ तर्कसंगत और कड़े निर्देश वाले मॉडल विषय परिवर्तन का पता लगा सकते हैं, वहीं अधिकांश पुराने संदर्भ (stale context) और स्थिति पूर्वाग्रह (position bias) के साथ संघर्ष करते हैं, जो दीर्घकालिक संवाद सुदृढ़ता में सुधार के लिए महत्वपूर्ण चुनौतियों को उजागर करता है।
यह शोध पत्र "AI को-क्लिनिशियन" (AI co-clinician) प्रस्तुत करता है, जो एक मल्टीमॉडल संवादात्मक एआई प्रणाली है जो चिकित्सा निर्णय लेने में सहायता के लिए वास्तविक समय के ऑडियो-विजुअल डेटा का लाभ उठाती है, जो प्रमुख टेलीमेडिसिन मेट्रिक्स में चिकित्सकों के तुलनीय प्रदर्शन का प्रदर्शन करती है और सुरक्षित उच्च-जोखिम वाले नैदानिक एआई के लिए सहयोगात्मक, त्रिपक्षीय मॉडलों की आवश्यकता पर प्रकाश डालती है।
यह शोध पत्र एक प्रॉम्प्ट-अवेयर स्ट्रक्चरिंग फ्रेमवर्क का प्रस्ताव करता है जो निर्माण के समय ही एआई-जनित सामग्री के साथ स्वतः सत्यापन योग्य मेटाडेटा और क्रेडेंशियल्स संलग्न करता है, जिससे उभरते हुए एजेंटिक वेब के भीतर ऐसी सामग्री के विश्वसनीय मूल्यांकन, उत्पत्ति ट्रैकिंग और सुरक्षित पुन: उपयोग को सक्षम बनाया जा सके।
LEAF-SQL एक नवीन ढांचा है जो कंकाल भविष्यवाणी (skeleton prediction) को एक तीन-स्तरीय पदानुक्रम और विशिष्ट एजेंटों का उपयोग करते हुए एक मोटे-से-सूक्ष्म (coarse-to-fine) ट्री सर्च प्रक्रिया के रूप में पुनर्गठित करके जटिल प्रश्नों पर Text-to-SQL प्रदर्शन को बढ़ाता है, जिससे विविध संरचनात्मक परिकल्पनाओं को व्यवस्थित रूप से खोजने और अनुकूल रूप से परिष्कृत करने में मदद मिलती है, और इस प्रकार BIRD बेंचमार्क पर अत्याधुनिक निष्पादन सटीकता प्राप्त की जाती है।
यह शोधपत्र स्व-विकसित (self-evolving) LLM एजेंटों में "क्षमता क्षरण" (capability erosion) की घटना की पहचान करता है, जहाँ नए कार्यों के अनुकूल होने से वर्कफ़्लो, कौशल, मॉडल और मेमोरी आयामों में पहले से सीखे गए कौशल का ह्रास होता है, और इस विनाशकारी विचलन (destructive drift) को स्पष्ट रूप से रोकने के लिए दीर्घकालिक अनुकूलन को स्थिर करने हेतु एक "क्षमता-संरक्षण विकास" (Capability-Preserving Evolution - CPE) ढांचे का प्रस्ताव करता है।
Mem-W GUI एजेंटों की एक नवीन श्रेणी प्रस्तुत करता है जो ऐतिहासिक और वर्किंग मेमोरी को सीधे मॉडल के लेटेंट कॉन्टेक्स्ट में कॉम्पैक्ट टोकन के रूप में एकीकृत करता है, जिससे बाहरी सिम्बोलिक मेमोरी और आंतरिक निरूपणों के बीच के अंतर को समाप्त किया जा सके और वेब एवं मोबाइल बेंचमार्क में लॉन्ग-होरिज़न टास्क परफॉरमेंस को महत्वपूर्ण रूप से सुधारा जा सके।
यह शोध पत्र टेस्ट-टाइम स्पेक्यूलेशन (TTS) पेश करता है, जो एक ऑनलाइन डिस्टिलेशन विधि है जो इन्फरेंस के दौरान टारगेट मॉडल के वेरिफिकेशन सिग्नल्स का उपयोग करके ड्राफ्ट मॉडल को निरंतर अनुकूलित करती है, जिससे लंबे अनुक्रमों (sequences) पर मौजूदा स्पेकुलेटर्स के प्रदर्शन में गिरावट को दूर किया जा सकता है और स्वीकृति लंबाई (acceptance lengths) में महत्वपूर्ण सुधार किया जा सकता है।
यह शोधपत्र HOME-KGQA प्रस्तुत करता है, जो घरेलू दैनिक गतिविधियों पर केंद्रित नॉलेज ग्राफ क्वेश्चन अनswering के लिए एक नवीन मल्टीमॉडल बेंचमार्क डेटासेट है, जो वास्तविक दुनिया के एम्बोडीड एआई (Embodied AI) अनुप्रयोगों के लिए आवश्यक जटिल स्पैटियोटेम्पोरल रीजनिंग और मल्टीमॉडल ग्राउंडिंग को संभालने में वर्तमान एलएलएम-आधारित (LLM-based) विधियों के प्रदर्शन में महत्वपूर्ण अंतराल को प्रकट करता है।