10698 पेपर
यह सिस्टम कार्ड OpenAI के GPT-5 का परिचय देता है, जो एक एकीकृत AI प्रणाली है जिसमें एक गतिशील राउटर (dynamic router) है जो लेखन, कोडिंग और स्वास्थ्य में वास्तविक उपयोगिता बढ़ाने के लिए तेज़ और गहन-तर्क वाले मॉडलों के बीच बुद्धिमानी से चयन करता है, साथ ही मतिभ्रम (hallucinations) को काफी कम करता है और जैविक जोखिमों के लिए एहतियाती उपायों सहित सख्त सुरक्षा उपायों को लागू करता है।
यह शोध पत्र कार्य को औपचारिक रूप से परिभाषित करके, व्यापक मूल्यांकन मेट्रिक्स प्रस्तावित करके, और बेंचमार्क के माध्यम से यह प्रदर्शित करके कि कैसे सुपरवाइज्ड फाइन-ट्यूनिंग और प्रिफरेंस ऑप्टिमाइज़ेशन साधारण प्रॉम्प्टिंग की तुलना में बेहतर प्रदर्शन करते हैं, LLM-संचालित ट्यूटरिंग में सिम्युलेटेड छात्रों के लिए गुणवत्ता मूल्यांकन की कमी को संबोधित करता है, जबकि वर्तमान विधियाँ अभी भी छात्र व्यवहार को वास्तविक रूप से सिम्युलेट करने में सीमित प्रदर्शन प्रदर्शित करती हैं।
यह शोध पत्र TIME को प्रस्तुत करता है, जो एक व्यवहारिक संरेखण (behavioral alignment) ढांचा है जो भाषा मॉडलों को टेम्पोरल संकेतों (temporal cues) के आधार पर संदर्भ-ट्रिगर, इन-प्लेस स्पष्ट तर्क विस्फोटों (explicit reasoning bursts) को आमंत्रित करने के लिए प्रशिक्षित करता है, जिससे पारंपरिक फ्रंट-लोडेड तर्क दृष्टिकोणों की तुलना में टेम्पोरल संवेदनशीलता और तर्क दक्षता में महत्वपूर्ण सुधार होता है और टोकन ओवरहेड में भारी कमी आती है।
यह शोध पत्र AfriqueLLM को प्रस्तुत करता है, जो निरंतर प्री-ट्रेनिंग (continued pre-training) के माध्यम से 20 अफ्रीकी भाषाओं के अनुकूलित ओपन लार्ज लैंग्वेज मॉडल्स का एक समूह है, जो यह प्रदर्शित करता है कि रणनीतिक डेटा मिश्रण—जिसमें गणित, कोड और सिंथेटिक अनुवाद शामिल हैं—प्रदर्शन में वृद्धि का प्राथमिक चालक है और कि बेस मॉडल के पैमाने या प्रारंभिक बहुभाषी क्षमताओं की तुलना में मजबूत आर्किटेक्चर और कार्य-संरेखित डेटा अधिक महत्वपूर्ण हैं।
यह शोध पत्र लिटविस्टा (LitVISTA), एक बेंचमार्क और साहित्यिक ग्रंथों में कथा ऑर्केस्ट्रेशन (narrative orchestration) का मूल्यांकन करने के लिए विस्टा स्पेस (VISTA Space) फ्रेमवर्क प्रस्तुत करता है, जो यह प्रकट करता है कि वर्तमान अत्याधुनिक लार्ज लैंग्वेज मॉडल्स उन्नत तर्क क्षमताओं के बावजूद कथा कार्य (narrative function) और संरचना को एकीकृत करने में व्यवस्थित रूप से संघर्ष करते हैं।
यह शोध पत्र एक नैदानिक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक प्रशिक्षण-मुक्त पुनरावृत्ति (iterative) RAG ढांचा, जो पुनर्प्राप्ति (retrieval) और तर्क (reasoning) को बारी-बारी से संचालित करता है, वैज्ञानिक मल्टी-हॉप QA कार्यों पर एक आदर्श स्थिर "गोल्ड कॉन्टेक्स्ट" (Gold Context) RAG की तुलना में लगातार बेहतर प्रदर्शन करता है, क्योंकि यह पूर्ण साक्ष्य उपलब्ध होने पर भी परिकल्पना विचलन (hypothesis drift) को गतिशील रूप से सुधारता है और संदर्भ अधिभार (context overload) को कम करता है।
यह शोध पत्र रिसाइक्लिंग सर्च एक्सपीरियंस (RSE) प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त रणनीति है जो विफल और सफल रोलआउट से मध्यवर्ती अंतर्दृष्टि को संकलित और पुन: उपयोग करके टेस्ट-टाइम स्केलिंग को बढ़ाती है ताकि कम्प्यूटेशनल रेडंडेंसी को समाप्त किया जा सके और जटिल कार्यों पर तर्क दक्षता में सुधार किया जा सके।
यह शोध पत्र CoFrGeNets को प्रस्तुत करता है, जो निरंतर भिन्नों (continued fractions) से प्रेरित एक नवीन आर्किटेक्चर परिवार है जो मानक ट्रांसफॉर्मर घटकों को पैरामीटर-कुशल विकल्पों से बदल देता है, जिससे काफी कम पैरामीटर्स और कम प्री-ट्रेनिंग समय के साथ बड़े पैमाने के भाषा मॉडलों पर प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त होता है।
फ्रूट फ्लाई के कनेक्टोम से प्रेरित होकर, यह शोध पत्र स्टोकेस्टिक अटेंशन (Stochastic Attention) का प्रस्ताव करता है, जो एक रैंडमाइज्ड रूटिंग तंत्र है जो स्लाइडिंग-विंडो अटेंशन को बेहतर बनाने के लिए लॉगैरिद्मिक डेप्थ में ग्लोबल रिसेप्टिव फील्ड्स प्राप्त करता है और लीनियर-टाइम कॉम्प्लेक्सिटी बनाए रखता है, जो प्री-ट्रेनिंग और ट्रेनिंग-फ्री इन्फरेंस परिदृश्यों दोनों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र SCARV प्रस्तुत करता है, जो एक मॉड्यूलर फ्रेमवर्क है जो मजबूत मल्टी-सीड एग्रीगेशन (multi-seed aggregation) को रेडंडेंट (redundant) एनएलपी डेटासेट्स के स्ट्रक्चर-अवेयर प्रोसेसिंग के साथ जोड़कर सैंपल-लेवल रैंकिंग की स्थिरता और पुनरुत्पादकता (reproducibility) में सुधार करता है।