10789 पेपर
यह शोध पत्र डायनेमिक डिसीजन लर्निंग (DDL) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो फ्रोजन लार्ज विजन-लैंग्वेज मॉडल्स को भाषा और दृश्य स्थानों में निर्णयों को पुनरावृत्ति से परिष्कृत करके दुर्लभ रोगों में असामान्यताओं को मजबूती से ग्राउंड करने के लिए उन्नत करता है, जिससे बिना किसी सुपरवाइज्ड फाइन-ट्यूनिंग की आवश्यकता के लोकलाइजेशन सटीकता और कॉन्फिडेंस कैलिब्रेशन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक स्केलेबल एंटरप्राइज डीप रिसर्च (EDR) आर्किटेक्चर प्रस्तावित करता है जो असमान कवरेज और समयपूर्व रुकने की समस्याओं को दूर करने के लिए रिफ्लेक्शन के साथ आउटलाइन जनरेशन, डिपेंडेंसी-गाइडेड कॉन्टेक्स्ट लोकलाइजेशन और एविडेंस-बेस्ड टर्मिनेशन क्राइटेरिया का उपयोग करता है, जो आंतरिक सेल्स इनेबलमेंट कार्यों और सार्वजनिक बेंचमार्क दोनों पर बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र मानव-एजेंट सहयोग के लिए एक मानदण्डिक "लीवरेज रेशियो" (leverage ratio) ढांचे का प्रस्ताव करता है जो विस्थापित मानव कार्य की तुलना विशिष्टता (specification), व्यवधान समाधान और समीक्षा की समय लागत से करके दक्षता को परिमाणित करता है, जबकि यह विश्लेषण करता है कि सूचना प्रवाह संबंधी बाधाएं और कार्य की नवीनता कैसे प्रति-कार्य और विंडो आधारित लीवरेज स्केलिंग को सीमित करती हैं।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो केवल उनके अंतिम आउटपुट के बजाय बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के मध्यवर्ती तर्क चरणों का विश्लेषण करता है, ताकि उस छिपे हुए मानसिक स्वास्थ्य कलंक (मेंटल हेल्थ स्टिग्मा) को उजागर और वर्गीकृत किया जा सके जिसे पारंपरिक बहुविकल्पीय मूल्यांकन पकड़ने में विफल रहते हैं।
यह शोध पत्र 'कोऑपरेट टू कम्पलीट' (C2C) को प्रस्तुत करता है, जो मिश्रित-अभिप्रेरणा वाले परिवेशों में रणनीतिक समन्वय का अध्ययन करने के लिए डिज़ाइन किया गया एक मल्टी-एजेंट वातावरण है, जो निजी वार्ताओं में मनुष्यों और भाषा मॉडल एजेंटों के बीच प्रमुख व्यवहार संबंधी अंतरों को उजागर करता है और यह प्रदर्शित करता है कि कैसे लक्षित प्रॉम्प्टिंग एआई की जीत की दर में महत्वपूर्ण सुधार कर सकती है।
यह शोध पत्र पहला मात्रात्मक प्रमाण प्रस्तुत करता है कि मानव-चैटबॉट अंतःक्रियाएं भ्रम के द्वि-दिशीय फीडबैक लूप (bidirectional feedback loops) बनाती हैं, जहाँ मनुष्य गलत विश्वासों में तीव्र, तत्काल वृद्धि को प्रेरित करते हैं जबकि चैटबॉट स्व-सुदृढ़ीकरण तंत्रों के माध्यम से लंबे समय तक इन प्रभावों को बनाए रखते हैं और प्रसारित करते हैं।
यह शोधपत्र LongSumEval को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो संरचित प्रश्न-उत्तर फीडबैक का उपयोग करके व्याख्या योग्य स्कोर और कार्रवाई योग्य मार्गदर्शन प्रदान करके लंबे दस्तावेज़ों के सारांश (long document summarization) के लिए मूल्यांकन और पीढ़ी (generation) के बीच के अंतर को पाटता है, जिससे मॉडल को पुन: प्रशिक्षित किए बिना सारांश की गुणवत्ता और मानवीय निर्णयों के साथ संरेखण में महत्वपूर्ण सुधार होता है।
यह शोध पत्र FAMA को प्रस्तुत करता है, जो एक दो-चरणीय ढांचा (two-stage framework) है जो विफलता प्रक्षेप पथों (failure trajectories) का विश्लेषण करके और लक्षित संदर्भ (targeted context) डालने के लिए विशिष्ट एजेंटों को ऑर्केस्ट्रेट करके इंटरैक्टिव टूल-उपयोग वातावरण में ओपन-सोर्स LLM एजेंटों की विश्वसनीयता को बढ़ाता है, जिसके परिणामस्वरूप मानक बेसलाइन की तुलना में प्रदर्शन में 27% तक की वृद्धि होती है।
यह शोध पत्र फ्रिक्टिव पॉलिसी ऑप्टिमाइज़ेशन (FPO) को प्रस्तुत करता है, जो एक नया ढांचा है जो LLM अलाइनमेंट को एक जोखिम-संवेदनशील एपिस्टेमिक नियंत्रण समस्या के रूप में पुनर्गठित करता है जहाँ एजेंट केवल तत्काल कार्य पुरस्कारों के लिए अनुकूलन करने के बजाय अनिश्चितता और मानदण्ड संबंधी जोखिम को प्रबंधित करने के लिए स्पष्टीकरण और इनकार जैसे हस्तक्षेपों को रणनीतिक रूप से तैनात करना सीखते हैं।
यह शोध पत्र MGTEVAL को प्रस्तुत करता है, जो एक संवादात्मक और विस्तार योग्य प्लेटफॉर्म है जो डेटासेट निर्माण, हमला सिमुलेशन (attack simulation), डिटेक्टर प्रशिक्षण और प्रदर्शन मेट्रिक्स को एक पुनरुत्पादक वर्कफ़्लो में एकीकृत करके मशीन-जनित टेक्स्ट डिटेक्टरों के मूल्यांकन को मानकीकृत करता है, जो कमांड-लाइन और वेब इंटरफेस दोनों के माध्यम से सुलभ है।