10660 पेपर
AdaGATE एक प्रशिक्षण-मुक्त (training-free), टोकन-कुशल साक्ष्य नियंत्रक (evidence controller) है जो मल्टी-हॉप रिट्रीवल-ऑगमेंटेड जनरेशन के लिए साक्ष्य चयन को एक गैप-अवेयर रिपेयर समस्या के रूप में फ्रेम करता है, जो मौजूदा तरीकों की तुलना में शोर वाले या अनावश्यक रिट्रीवल स्थितियों में बेहतर मजबूती और प्रदर्शन प्राप्त करता है।
यह शोध पत्र कोड अनुवाद के लिए एक नवीन सिमेंटिक मूल्यांकन पद्धति प्रस्तावित करता है जो निष्पादन शुद्धता को मापने के लिए कंपाइलर टेस्टिंग का उपयोग करता है, यह प्रदर्शित करते हुए कि LLM-आधारित डीकंपाइलर ह्यूरिस्टिक दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करते हैं जबकि पारंपरिक सिंटैक्टिक मेट्रिक्स जैसे कि BLEU कार्यात्मक सटीकता के साथ सहसंबंध स्थापित करने में विफल रहते हैं।
यह हस्तक्षेप अध्ययन प्रदर्शित करता है कि छात्र एआई-जनित सामग्री के विरुद्ध प्रति-तर्क लिखकर प्रभावी ढंग से आलोचनात्मक सोच का उपयोग करते हैं और यह पुष्टि करता है कि फ्रंटियर लार्ज लैंग्वेज मॉडल्स, स्पष्ट रूब्रिक्स द्वारा निर्देशित होने पर, मानव मूल्यांकनों के साथ मध्यम संरेखण के साथ, बड़े पैमाने पर ऐसे लिखित कार्य का विश्वसनीय रूप से मूल्यांकन कर सकते हैं।
यह शोध पत्र ZAYA1-8B को प्रस्तुत करता है, जो पूरी तरह से AMD इंफ्रास्ट्रक्चर पर प्रशिक्षित एक अत्यधिक कुशल 8B-पैरामीटर वाला MoE रीजनिंग मॉडल है, जो एक विशेष चार-चरणीय RL कैस्केड और नवीन मार्कोवियन RSA टेस्ट-टाइम कंप्यूट पद्धति के माध्यम से गणित और कोडिंग बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है, जो प्रभावी रूप से बहुत बड़े मॉडलों के साथ के अंतर को कम करता है।
SLAM (स्ट्रक्चरल लिंग्विस्टिक एक्टिवेशन मार्किंग) एक नवीन व्हाइट-बॉक्स वॉटरमार्किंग योजना है जो रेसिडुअल स्ट्रीम में स्पार्स ऑटोएन्कोडर-पहचाने गए स्ट्रक्चरल दिशाओं को निर्देशित करके, लेक्सिकल सैंपलिंग और सिमेंटिक्स को संरक्षित करते हुए तथा पारंपरिक टोकन-डिस्ट्रीब्यूशन विधियों के पूरक रोबस्टनेस प्रोफाइल प्रदान करते हुए, न्यूनतम गुणवत्ता हानि के साथ लगभग पूर्ण डिटेक्शन सटीकता प्राप्त करती है।
यह शोधपत्र एक एकीकृत, पुनरुत्पादक बेंचमार्क प्रस्तुत करता है जो शोर-युक्त, पाठ-व्युत्पन्न ग्राफों पर ग्राफ न्यूरल नेटवर्क की मजबूती और एक उच्च-गुणवत्ता वाले विशेषज्ञ-क्यूरेटेड संदर्भ के विरुद्ध तुलना करके विभिन्न ज्ञान ग्राफ निर्माण विधियों की प्रभावशीलता का संयुक्त रूप से मूल्यांकन करता है।
FinRAG-12B एक प्रोडक्शन-वैलिडेटेड, डेटा-एफिशिएंट 12B-पैरामीटर फ्रेमवर्क है जो एक विशिष्ट प्रशिक्षण पाइपलाइन को कैलिब्रेटेड रिफ्यूज़ल मैकेनिज्म के साथ जोड़ता है ताकि 40 से अधिक वित्तीय संस्थानों के लिए अत्यधिक सटीक, ग्राउंडेड और लागत प्रभावी प्रश्न उत्तर प्रदान किया जा सके, जो साइटेशन गुणवत्ता और क्वेरी रेजोल्यूशन में GPT-4.1 से बेहतर प्रदर्शन करता है और साथ ही लेटेंसी और परिचालन लागत को काफी कम करता है।
यह शोध पत्र ReaComp को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो LLM रीजनिंग ट्रेसेस को पुन: प्रयोज्य, ज़ीरो-टोकन सिम्बॉलिक सॉल्वर्स में संकलित करता है जो प्रोग्राम सिंथेसिस बेंचमार्क पर अत्याधुनिक सटीकता प्राप्त करते हैं, LLMs के साथ मिलकर टोकन के उपयोग को काफी कम कर देते हैं, और वास्तविक दुनिया के भाषाई कार्यों में सफलतापूर्वक स्थानांतरित होते हैं।
यह शोधपत्र BeliefMem को प्रस्तुत करता है, जो LLM एजेंटों के लिए एक संभाव्य स्मृति ढांचा (probabilistic memory framework) है, जो आंशिक रूप से दृश्यमान वातावरण (partially observable environments) में एकल नियतात्मक निष्कर्षों (single deterministic conclusions) के प्रति प्रतिबद्ध होने के बजाय अपडेट की गई संभावनाओं के साथ कई संभावित निष्कर्षों को बनाए रखकर स्व-सुदृढ़ त्रुटियों (self-reinforcing errors) को कम करता है, जिससे दीर्घ-संदर्भ बेंचमार्क (long-context benchmarks) पर बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र "रिकोर्प्शन" (recorruption) की पहचान करता है और उसे संबोधित करता है, जो मल्टीमॉडल रिट्रीवल-ऑगमेंटेड जनरेशन (Multimodal Retrieval-Augmented Generation) में एक विफलता मोड है जहाँ सटीक संदर्भ के कारण मॉडल विजुअल ब्लाइंडनेस (visual blindness) और पोजीशनल बायस (positional bias) के चलते सही भविष्यवाणियों को छोड़ देते हैं, और इसके लिए बिना पुनरप्रशिक्षण (retraining) के विजुअल सेलियंसी (visual saliency) को बहाल करने और नैदानिक विश्वसनीयता में सुधार करने हेतु पैरामीटर-मुक्त बॉटलनेक अटेंशन इंटरवेंशन फॉर रिकवरी (Bottleneck Attention Intervention for Recovery - BAIR) फ्रेमवर्क का प्रस्ताव करता है।