10698 पेपर
यह शोध पत्र तर्क देता है कि एआई (AI) तर्क के मूल्यांकन को केवल अंतिम-उत्तर की सटीकता पर निर्भर रहने के बजाय एक प्रक्रिया-आधारित दृष्टिकोण की ओर स्थानांतरित होना चाहिए जो मध्यवर्ती तर्क प्रक्षेप पथों (reasoning traces) की निष्ठा और वैधता का आकलन करता है, क्योंकि अनुकूलनशील, बहु-चरणीय खोज (multi-step search), एकल फॉरवर्ड पास से संरचनात्मक रूप से भिन्न है और मॉडल के व्यवहार के निदान के लिए आवश्यक है।
यह शोध पत्र प्रदर्शित करता है कि WSF-ARG+ डेटासेट से तर्क संरचना एनोटेशन (आधार और निष्कर्ष) का लाभ उठाना श्वेत वर्चस्व वाले फ़ोरम संदेशों की समग्र घृणा को प्रभावी ढंग से अनुमानित कर सकता है, जो 96% तक F1 स्कोर प्राप्त करता है और सूचना संबंधी विकार (information disorder) से निपटने के लिए एक आशाजनक दृष्टिकोण प्रदान करता है।
यह शोध पत्र "अमोर्टाइज्ड इंटेलिजेंस" (Amortized Intelligence) प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक ढांचा है जो कानूनी ग्रंथों को एक नियतात्मक ग्राफ प्रतिनिधित्व (DACL) में अनुवादित करता है ताकि लगभग पूर्ण तर्क निरंतरता, 90% से अधिक लागत में कमी और पूर्ण संरचनात्मक ऑडिटेबिलिटी प्राप्त की जा सके, जो कानूनी न्यायनिर्णयन में संभाव्य लार्ज रीजनिंग मॉडल्स (Large Reasoning Models) की विश्वसनीयता और दक्षता की सीमाओं को प्रभावी ढंग से दूर करता है।
यह शोध पत्र MultiWikiQHalluA पेश करता है, जो 306 भाषाओं को कवर करने वाला एक बहुभाषी मतिभ्रम (hallucination) बेंचमार्क है, और इसका उपयोग यह प्रदर्शित करने के लिए करता है कि कम-संसाधन वाली भाषाओं और छोटे मॉडलों में मतिभ्रम की दर काफी अधिक है, जबकि सबसे बड़े मॉडल मूल्यांकित यूरोपीय भाषाओं में सर्वश्रेष्ठ प्रदर्शन करते हैं।
यह शोधपत्र सिमेंटिक रोल लेबलिंग के लिए एक आधुनिक, डिपेंडेंसी-इन्फॉर्म्ड एनकोडर-आधारित फ्रेमवर्क प्रस्तुत करता है जो लीगेसी सिस्टम्स की तुलना में 10 गुना तेज़ इन्फरेंस और तुलनीय या बेहतर प्रदर्शन प्राप्त करता है, साथ ही स्पष्ट संरचनात्मक बाधाएं प्रदान करता है और बहुभाषी प्रोजेक्शन को सक्षम बनाता है।
यह शोध पत्र एक बायोमेडिकल RAG पाइपलाइन में पांच रिट्रीवल रणनीतियों की तुलना करने वाला एक नियंत्रित अनुभवजन्य अध्ययन प्रस्तुत करता है, जिसमें पाया गया कि क्रॉस-एनकोडर रीरैंकिंग उच्चतम प्रदर्शन प्राप्त करती है जबकि सभी रिट्रीवल विधियां बिना संदर्भ के जनरेशन की तुलना में काफी बेहतर प्रदर्शन करती हैं।
यह अध्ययन दस विभिन्न प्रकार की भाषाओं में डिपेंडेंसी पार्सिंग आर्किटेक्चर का मूल्यांकन करता है और पाता है कि जहाँ ट्रांसफॉर्मर मॉडल प्रचुर डेटा के साथ उत्कृष्ट प्रदर्शन करते हैं, वहीं सरल बाइएफिन (Biaffine) एलएसटीएम (LSTM) कम-संसाधन वाले क्षेत्रों में, विशेष रूप से रूपात्मक रूप से जटिल अफ्रीकी भाषाओं के लिए, तब तक लगातार उनसे बेहतर प्रदर्शन करता है जब तक कि पर्याप्त एनोटेटेड डेटा उपलब्ध न हो जाए।
एक एजेंटिक रिसर्च हार्नेस का उपयोग करके ACL 2026 के एक अध्ययन को पुनरुत्पादित और विस्तारित करते हुए, यह शोध पत्र प्रदर्शित करता है कि GPT-5.5 और Claude Opus 4.7 जैसे फ्रंटियर LLMs न केवल व्यक्तिगत लेखन शैलियों की नकल करने में मानव पोस्ट-एडिटिंग से आगे निकल सकते हैं, बल्कि पुनरावृत्ति प्रतिरोधी फीडबैक (iterative adversarial feedback) के माध्यम से AI-टेक्स्ट डिटेक्टरों से प्रभावी ढंग से बचने में भी सक्षम हैं, जो AI-डिटेक्शन आर्म्स रेस के भविष्य के संबंध में महत्वपूर्ण चिंताएं पैदा करता है।
यह शोध पत्र "realsim" प्रस्तुत करता है, जो 1,000 मल्टी-टर्न संवादों के एक क्यूरेटेड डेटासेट का उपयोग करके आठ आयामों के माध्यम से उपयोगकर्ता सिमुलेशन यथार्थवाद का आकलन करने के लिए एक वितरण मूल्यांकन ढांचा (distributional evaluation framework) है, जो यह प्रकट करता है कि वर्तमान सिम्युलेटेड उपयोगकर्ता अक्सर वास्तविक दुनिया के संचार घर्षणों (communication frictions) को पकड़ने में विफल रहते हैं और विभिन्न अनुप्रयोग डोमेन में महत्वपूर्ण प्रदर्शन परिवर्तनशीलता प्रदर्शित करते हैं।
यह शोधपत्र ContextualJailbreak को पेश करता है, जो एक विकासवादी रेड-टीमिंग फ्रेमवर्क है जो मल्टी-टर्न कन्वर्सेशनल प्राइमिंग को अनुकूलित करने के लिए नवीन म्यूटेशन ऑपरेटर्स और श्रेणीबद्ध हानि स्कोरिंग (graded harm scoring) का उपयोग करता है, जो विभिन्न ओपन मॉडल्स पर लगभग पूर्ण जेलब्रेक सफलता दर प्राप्त करता है और विभिन्न प्रदाताओं के बीच अलाइनमेंट रोबस्टनेस में स्पष्ट विषमताओं को प्रकट करते हुए क्लोज्ड फ्रंटियर मॉडल्स में महत्वपूर्ण ट्रांसफ़रैबिलिटी प्रदर्शित करता है।