10753 पेपर
यह शोध पत्र FoCore को पेश करता है, जो डिफ्यूजन लार्ज लैंग्वेज मॉडल्स के लिए एक प्रशिक्षण-मुक्त डिकोडिंग रणनीति है, जो उच्च-सूचना-घनत्व वाले टोकन के शीघ्र अभिसरण (early convergence) का स्व-तुलना (self-contrast) के माध्यम से लाभ उठाती है ताकि जनरेशन की गुणवत्ता में सुधार और इन्फरेंस गति में तेजी लाने को एक साथ प्राप्त किया जा सके।
यह शोध पत्र मल्टी-ग्रैनुलर ट्रैजेक्टरी अलाइनमेंट (MTA) का प्रस्ताव करता है, जो एक नॉलेज डिस्टिलेशन फ्रेमवर्क है जो कंपोजिशनल सिमेंटिक्स के विकास को बेहतर ढंग से पकड़ने और लार्ज लैंग्वेज मॉडल कंप्रेशन में सुधार करने के लिए एडेप्टिव वर्ड-लेवल और फ्रेज-लेवल मैचिंग का उपयोग करके लेयर-वाइज ट्रांसफॉर्मेशन ट्रैजेक्टरीज के माध्यम से टीचर और स्टूडेंट रिप्रेजेंटेशन्स को अलाइन करता है।
यह शोध पत्र न्यूरल कॉन्सेप्ट रिप्रेजेंटेशन (neural concept representations) का कंटेनमेंट (containment) और डिसेंटैंगलमेंट (disentanglement) के अक्षों पर विश्लेषण करने के लिए एक एकीकृत ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि अनुमान विधि का चयन इन गुणों को महत्वपूर्ण रूप से प्रभावित करता है और कॉन्सेप्ट इरेज़र (concept erasure) विधियों को सामान्य बनाने तथा स्पीच मॉडल्स में स्पीकर सूचना को अलग करने में विशिष्ट चुनौतियों को रेखांकित करता है।
मेमोरई (MemORAI) एक नवीन ढांचा है जो मौजूदा मेमोरी सिस्टम की सीमाओं को दूर करने के लिए चयनात्मक मेमोरी फ़िल्टरिंग, स्रोत-समृद्ध बहु-संबंधी ग्राफ और क्वेरी-अनुकूली सबग्राफ रिट्रीवल को एकीकृत करके दीर्घकालिक व्यक्तिगत एलएलएम (LLM) संवादों को बढ़ाता है।
यह शोध पत्र Verbal-R3 को प्रस्तुत करता है, जो एक नवीन एजेंटिक RAG फ्रेमवर्क है जो एक 'वर्बल रीरैंकर' (Verbal Reranker) का उपयोग करके रिट्रीवल और रीजनिंग के बीच के अंतर को पाटता है ताकि विश्लेषणात्मक आख्यान (Verbal Annotations) उत्पन्न किए जा सकें जो क्वेरी और रिट्रीव्ड कॉन्टेक्स्ट के बीच तार्किक संबंधों को स्पष्ट रूप से व्यक्त करते हैं, जिससे जटिल प्रश्नोत्तर बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोधपत्र मेडमार्क्स (Medmarks) का परिचय देता है, जो 30 विविध चिकित्सा कार्यों और 61 मूल्यांकित मॉडलों से युक्त एक व्यापक ओपन-सोर्स बेंचमार्क सुइट है, जो यह प्रकट करता है कि अत्याधुनिक रीजनिंग मॉडल सटीकता और टोकन दक्षता में अन्य मॉडलों से बेहतर प्रदर्शन करते हैं, साथ ही छोटे मॉडलों की उत्तर-क्रम पूर्वाग्रह (answer-order bias) के प्रति संवेदनशीलता को भी उजागर करता है।
यह शोधपत्र तर्क देता है कि जनरेटिव एआई (generative AI) की विश्वसनीयता में सुधार करने के लिए केवल तथ्यात्मक ज्ञान के विस्तार से आगे बढ़कर मेटाकॉग्निटिव (metacognitive) क्षमताओं को बढ़ाने की आवश्यकता है, विशेष रूप से मॉडलों को "निष्ठावान अनिश्चितता" (faithful uncertainty) व्यक्त करना सिखाकर ताकि वे ज्ञात तथ्यों और आत्मविश्वासी त्रुटियों के बीच अंतर कर सकें।
यह शोध पत्र एक क्रॉस-लिंगुअल ऑडिट फ्रेमवर्क प्रस्तुत करता है जो यह प्रकट करता है कि आपातकालीन पुलिस प्रेषण के लिए उपयोग किए जाने वाले लार्ज लैंग्वेज मॉडल्स में जनसांख्यिकीय पूर्वाग्रह अस्पष्ट घटनाओं के दौरान व्यवस्थित रूप से उभरता है, लिंग, नस्ल और धार्मिक स्वरूप के आधार पर महत्वपूर्ण रूप से भिन्न होता है, और अंग्रेजी एवं मैंडरिन चीनी के बीच विशिष्ट विषमताओं को प्रदर्शित करता है, जो वास्तविक दुनिया में तैनाती से पहले संदर्भ-जागरूक, भाषा-विशिष्ट मॉडल मूल्यांकनों की आवश्यकता को रेखांकित करता है।
Remedi एक नवीन ढांचा है जो ग्राउंड-ट्रुथ परिणामों द्वारा निर्देशित एक सैंपल रिजनरेशन तंत्र के माध्यम से तर्क-उत्तर युग्मों को उत्पन्न करके इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से नैदानिक परिणाम भविष्यवाणी को बढ़ाता है, जो अत्याधुनिक बेसलाइनों की तुलना में F1 स्कोर में 19.9% तक का सुधार प्राप्त करता है।
यह शोध पत्र FT-RAG प्रस्तुत करता है, जो एक सूक्ष्म-स्तरीय रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है जो तालिकाओं को प्रविष्टि-स्तर की सिमेंटिक इकाइयों में विभाजित करता है और जटिल तालिका तर्क (टेबल रीजनिंग) में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करने के लिए स्ट्रक्चरल नेबर एक्सपेंशन का उपयोग करता है, जिसे नए प्रस्तावित Multi-Table-RAG-Lib बेंचमार्क द्वारा समर्थित किया गया है।