10660 पेपर
यह शोध पत्र प्लानिंग-आफ्टर-ट्रायल (PaT) का प्रस्ताव करता है, जो एक अनुकूली टेस्ट-टाइम कोड जनरेशन पॉलिसी है जो केवल सत्यापन विफलता (verification failure) होने पर ही एक प्लानर को सक्रिय करती है, जिससे एक लागत-कुशल विषम मॉडल कॉन्फ़िगरेशन सक्षम होता है जो कठोर प्लानिंग दृष्टिकोणों की तुलना में लागत-प्रदर्शन के संतुलन (cost-performance trade-off) में महत्वपूर्ण सुधार करता है।
यह शोध पत्र प्रकट करता है कि Mixture-of-Experts मॉडलों में मानक top- राउटर अक्सर उन टोकन के लिए इष्टतम विशेषज्ञ पथों (expert paths) का चयन करने में विफल रहते हैं जिन्हें जटिल तर्क की आवश्यकता होती है, लेकिन केवल राउटर में एक न्यूनतम अपडेट विशेषज्ञों को पुनप्रशिक्षित किए बिना इन गलत आवंटनों को सुधारकर चुनौतीपूर्ण बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार कर सकता है।
यह शोधपत्र LogiHard को प्रस्तुत करता है, जो एक औपचारिक ढांचा है जो कॉम्बिनेटोरियल हार्डनिंग (combinatorial hardening) और एडेप्टिव टेस्टिंग (adaptive testing) के माध्यम से सरल चयन कार्यों को जटिल तार्किक निर्णयों में परिवर्तित करता है, जिससे यह पता चलता है कि अत्याधुनिक LLMs ज्ञान की कमी के बजाय प्रशिक्षण-प्रेरित कॉम्बिनेटोरियल रीजनिंग गैप (combinatorial reasoning gap) के कारण महत्वपूर्ण सटीकता गिरावट का सामना करते हैं।
यह शोध पत्र MIPIAD को प्रस्तुत करता है, जो अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों के विरुद्ध एक बहुभाषी रक्षा ढांचा है, जो अंग्रेजी और बांग्ला के बीच क्रॉस-लिंगुअल प्रदर्शन अंतराल को कम करने और उच्च पहचान सटीकता प्राप्त करने के लिए TF-IDF विशेषताओं और मेटा-एन्सेम्बल लर्निंग के साथ एक LoRA-फाइन-ट्यून किए गए Qwen2.5 क्लासिफायर को जोड़ता है।
यह शोध पत्र SETH और त्रिकोण पहचान (triangle detection) धारणाओं के तहत सशर्त निचली सीमाओं (conditional lower bounds) को सिद्ध करते हुए और 1-उपयोग बैकरेफरेंस (1-use backreferences) के लिए एक बेहतर एल्गोरिदम प्रस्तुत करते हुए, बैकरेफरेंस के साथ रेगुलर एक्सप्रेशंस को मिलाने की सूक्ष्म-स्तरीय (fine-grained) कम्प्यूटेशनल जटिलता को स्थापित करता है।
यह शोध पत्र MedAction को प्रस्तुत करता है, जो एक ट्री-स्ट्रक्चर्ड डिस्टिलेशन पाइपलाइन है जो सक्रिय निदान (active diagnosis) में मौजूदा LLMs की सीमाओं को दूर करने के लिए नॉलेज-ग्राफ-ग्राउंडेड मेट्रिक्स का उपयोग करके उच्च-गुणवत्ता वाले मल्टी-टर्न क्लिनिकल डायग्नोस्टिक ट्रेजेक्टरीज उत्पन्न करता है, जिसके परिणामस्वरूप MedAction-32K डेटासेट और अत्याधुनिक ओपन-सोर्स मेडिकल मॉडल्स प्राप्त हुए हैं।
यह शोध पत्र इस पारंपरिक दृष्टिकोण को चुनौती देता है कि तर्क श्रृंखलाओं (reasoning chains) का सघन और क्रमिक होना आवश्यक है, यह प्रदर्शित करते हुए कि भाषा मॉडल उन तर्क अवशेषों (reasoning traces) से भी सही उत्तर निकाल सकते हैं जो अत्यधिक अव्यवस्थित, प्राकृतिक भाषा से रहित और यहाँ तक कि गलत उत्तरों से दूषित होते हैं, जो एक अंतर्निहित विरल (sparse) और क्रम-असंवेदनशील सूचनात्मक आधार को प्रकट करता है।
यह अनुभवजन्य अध्ययन प्रकट करता है कि LoRA के लिए ग्रेडिएंट-आधारित अनुकूली रैंक आवंटन (gradient-based adaptive rank allocation), जबकि सुपरवाइज्ड फाइन-ट्यूनिंग में प्रभावी है, एक सपाट ग्रेडिएंट लैंडस्केप और एक हानिकारक ग्रेडिएंट प्रवर्धन प्रभाव (detrimental gradient amplification effect) के कारण ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) के तहत प्रदर्शन को काफी कम कर देता है, जो यह सुझाव देता है कि सुदृढीकरण शिक्षण संरेखण कार्यों (reinforcement learning alignment tasks) के लिए समान रैंक आवंटन (uniform rank allocation) श्रेष्ठ है।
यह अनुभवजन्य अध्ययन प्रकट करता है कि मल्टी-एलएलएम (multi-LLM) रूटिंग में रिपोर्ट की गई "असमाधान सीमाएं" (unsolvability ceilings) काफी हद तक जज पूर्वाग्रह और ट्रंकेशन (truncation) जैसे मूल्यांकन आर्टिफैक्ट्स द्वारा बढ़ा दी गई हैं, जो राउटर प्रशिक्षण संकेतों को विकृत करते हैं और महत्वपूर्ण अवसर लागतों (opportunity costs) की ओर ले जाते हैं, जिससे लागत-गुणवत्ता व्यापार-ऑफ (cost-quality tradeoffs) का सटीक आकलन करने के लिए अधिक विश्वसनीय मूल्यांकन प्रोटोकॉल आवश्यक हो जाते हैं।
यह शोध पत्र कंस्ट्रक्ट वैलिडिटी प्रोटोकॉल (CVP) और काउंटरफैक्चुअल न्यूट्रलाइजेशन को पेश करके कम्प्यूटेशनल सोशल साइंस में "प्रॉक्सी प्रिजम्प्शन" को संबोधित करता है, जो सिमेंटिक एम्बेडिंग्स को कठोरता से मान्य करता है, जिससे यह सुनिश्चित होता है कि वे विषय या शैली जैसे भ्रमित करने वाले गुणों के बजाय सामाजिक कंस्ट्रक्ट्स को मापते हैं।