10753 पेपर
यह शोध पत्र CECoR को प्रस्तुत करता है, जो एक रीजनिंग-अवेयर फ्रेमवर्क है जो मल्टी-हॉप दावों को विघटित करने और प्रशिक्षण डेटा को संश्लेषित करने के लिए एक डिकंपोज़िशन-एंड-इंजेक्शन प्रतिमान (decomposition-and-injection paradigm) का उपयोग करता है, जिससे मौजूदा विधियों की तुलना में जटिल, मल्टी-हॉप कार्यों पर तथ्यात्मक त्रुटि सुधार प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एआई (AI) में प्रगति के बावजूद कानूनी तर्क खनन (legal argument mining) में धीमी प्रगति का विश्लेषण करता है, जिसका मुख्य कारण सैद्धांतिक अभिव्यक्ति और गणनात्मक व्यवहार्यता के बीच संतुलन बनाने वाले संरचित प्रतिनिधित्व दृष्टिकोणों का अभाव है, और इन संरचनात्मक दुविधाओं को संबोधित करने के लिए एक पुनर्गठित अनुसंधान मार्ग प्रस्तावित करता है।
यह शोध पत्र एक डिकोडिंग-टाइम डिबायसिंग फ्रेमवर्क पेश करता है जो मॉडल वेट्स को संशोधित किए बिना निष्पक्षता और प्रवाह के लिए उम्मीदवार टोकन को स्कोर करने और चुनने के लिए एक अलग प्रोसेस रिवॉर्ड मॉडल का उपयोग करता है, जो यह प्रदर्शित करता है कि अनुक्रमिक क्रिटीक-एंड-रिवाइज स्कीम्स और लाइटवेट बायस गार्ड्स कई ओपन-वेट और प्रोप्रायटरी लैंग्वेज मॉडल्स में जनरेशन क्वालिटी को बनाए रखते हुए सामाजिक पूर्वाग्रहों को प्रभावी ढंग से कम करते हैं।
यह शोध पत्र एक महत्वपूर्ण विश्वसनीयता अंतराल की पहचान करता है जहाँ छोटे भाषा मॉडल मानक प्रॉम्प्टिंग के तहत गणितीय रूप से सही और प्रारूप-अनुपालक (format-compliant) दोनों प्रकार के आउटपुट उत्पन्न करने में विफल रहते हैं, और AloLab का प्रस्ताव करता है, जो एक पुनरावृत्ति मेटा-एजेंट प्रणाली है जो फाइन-ट्यूनिंग या बाधित डिकोडिंग की आवश्यकता के बिना उच्च आउटपुट सटीकता के साथ लगभग मूल-नेटिव लेटेंसी प्राप्त करने के लिए सिस्टम प्रॉम्प्ट्स को अनुकूलित करती है।
यह अध्ययन दर्शाता है कि पाँच बड़े जनरेटिव भाषा मॉडल, जब बिना किसी स्पष्ट पहचान प्रॉम्प्ट के प्राकृतिक "लेसे-फेयर" (laissez-faire) वातावरण में तैनात किए जाते हैं, तो वे अल्पसंख्यक व्यक्तियों के प्रति हानिकारक लोप, अधीनता और रूढ़ियों को व्यवस्थित रूप से बनाए रखते हैं, ऐसे भेदभावपूर्ण आउटपुट उत्पन्न करते हैं जो सशक्त बनाने की तुलना में सैकड़ों से हजारों गुना अधिक नकारात्मक होने की संभावना रखते हैं, और महत्वपूर्ण मनोवैज्ञानिक जोखिम पैदा करते हैं।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स (Large Language Models) में पूर्वाग्रह का एक व्यापक अवलोकन प्रस्तुत करता है, जो इसके उद्गमों का व्यवस्थित रूप से विश्लेषण करता है, डेटा, मॉडल और आउटपुट स्तरों पर पहचान विधियों का मूल्यांकन करता है, और शमन रणनीतियों को वर्गीकृत करते हुए वास्तविक दुनिया के अनुप्रयोगों में पक्षपाती एआई (AI) के नैतिक और कानूनी निहितार्थों पर चर्चा करता है।
यह शोध पत्र तर्क देता है कि लार्ज लैंग्वेज मॉडल्स केवल रटने के बजाय आंशिक रूप से प्रतिनिधित्व-आधारित सूचना प्रसंस्करण द्वारा संचालित होते हैं, और इन प्रस्तुतियों की जांच करने के लिए व्यावहारिक तकनीकों का प्रस्ताव करता है ताकि सैद्धांतिक गतिरोधों को हल किया जा सके और प्रणालियों की संज्ञानात्मक क्षमताओं को बेहतर ढंग से समझा जा सके।
यह अध्ययन मल्टी-आर्म्ड बैंडिट कार्यों में लार्ज लैंग्वेज मॉडल्स, मनुष्यों और एल्गोरिदम की एक्सप्लोरेशन-एक्सप्लोइटेशन रणनीतियों की तुलना करता है और पाता है कि जबकि "सोचने" (thinking) को सक्षम करने से लार्ज लैंग्वेज मॉडल्स स्थिर वातावरण में अधिक मानव-समान हो जाते हैं, वे फिर भी जटिल, गैर-स्थिर वातावरण में मानवीय अनुकूलन क्षमता और निर्देशित अन्वेषण (directed exploration) प्राप्त करने में संघर्ष करते हैं।
यह शोध पत्र लीगल असिस्ट एआई (Legal Assist AI) का परिचय देता है, जो एक हल्का ढांचा है जो ऑल-इंडिया बार एग्जामिनेशन पर GPT-3.5 टर्बो जैसे बड़े मॉडलों से बेहतर प्रदर्शन करने के लिए रिट्रीवल-ऑगमेंटेड जनरेशन और एक विशिष्ट भारतीय कानूनी संग्रह के साथ संयोजित 8-बिलियन-पैरामीटर क्वांटाइज्ड लामा 3.1 मॉडल का लाभ उठाता है, और साथ ही प्रभावी रूप से मतिभ्रम (hallucinations) को कम करता है तथा 22 गुना अधिक पैरामीटर दक्षता प्राप्त करता है।
यह शोध पत्र ExCyTIn-Bench प्रस्तुत करता है, जो माइक्रोसॉफ्ट सेंटिनलल (Microsoft Sentinel) लॉग्स और इन्वेस्टिगेशन ग्राफ से 7,542 प्रश्न उत्पन्न करके साइबर खतरे की जांच पर LLM एजेंटों का मूल्यांकन करने के लिए डिज़ाइन किया गया पहला बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान शीर्ष मॉडल केवल 0.606 रिवॉर्ड स्कोर प्राप्त करते हैं और भविष्य में सुधार की महत्वपूर्ण गुंजाइश को उजागर करता है।