10789 पेपर
यह शोध पत्र साझा स्थानों पर विरोधी दृष्टिकोणों के बीच सहानुभूतिपूर्ण रूप से तटस्थ समझौतों को उत्पन्न करने के लिए एक विधि प्रस्तुत करता है, जो मानक तर्क प्रक्रिया से बेहतर प्रदर्शन करने के लिए बाहरी सहानुभूतिपूर्ण समानता का पुनरावृत्ति फीडबैक के रूप में उपयोग करता है, और तत्पश्चात मानव प्राथमिकता संरेखण के माध्यम से कुशल छोटे मॉडलों को प्रशिक्षित करने के लिए प्राप्त डेटासेट का लाभ उठाता है।
यह शोध पत्र लेयरवाइज़ कन्वर्जेंस फिंगरप्रिंटिंग (LCF) को प्रस्तुत करता है, जो एक ट्यूनिंग-मुक्त रनटाइम मॉनिटर है जो बिना किसी संदर्भ मॉडल, ट्रिगर ज्ञान या पुन: प्रशिक्षण की आवश्यकता के, इंटर-लेयर हिडन-स्टेट प्रक्षेप पथों (trajectories) का विश्लेषण करके कई आर्किटेक्चरों में विविध LLM दुर्व्यवहारों—जिसमें बैकडोर्स, जेलब्रेक्स और प्रॉम्प्ट इंजेक्शन शामिल हैं—का पता लगाता है।
STELLAR-E एक पूर्णतः स्वचालित, दो-चरणीय ढांचा है जो LLM अनुप्रयोग मूल्यांकन के लिए उच्च-गुणवत्ता वाले, अनुकूलन योग्य सिंथेटिक डेटासेट उत्पन्न करता है, जो मौजूदा बेंचमार्क के समान मूल्यांकन गुणवत्ता प्राप्त करते हुए मैनुअल डेटा संग्रह का एक स्केलेबल और कुशल विकल्प प्रदान करता है।
यह शोध पत्र "इंटरवल फ्रॉम पॉइंट" दृष्टिकोण प्रस्तुत करता है, जो अंतराल के अंत बिंदुओं के बीच बिंदु संबंधों को निर्धारित करके और फिर उन्हें डिकोड करके टेम्पोरल संबंधों को वर्गीकृत करता है, जिससे TempEval-3 डेटासेट पर 70.1% का एक नया स्टेट-ऑफ-द-आर्ट टेम्पोरल अवेयरनेस स्कोर प्राप्त होता है।
यह शोध पत्र एक प्रोडक्शन एंड्रॉइड ऐप में ऑन-डिवाइस स्मॉल लैंग्वेज मॉडल्स को एकीकृत करने के एक अनुदैर्ध्य केस स्टडी (longitudinal case study) को प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि यह व्यवहार्य है, सफल एकीकरण के लिए एक व्यावहारिक वास्तुशिल्प परिवर्तन की आवश्यकता होती है जहाँ LLM की जिम्मेदारियों को न्यूनतम किया जाता है और आउटपुट उल्लंघन और लेटेंसी जैसी विशिष्ट इंजीनियरिंग चुनौतियों से निपटने के लिए मजबूत रक्षात्मक रणनीतियों को नियोजित किया जाता है।
DepthKV एक नवीन लेयर-डिपेंडेंट KV कैश प्रूनिंग फ्रेमवर्क है जो परतों की व्यक्तिगत प्रूनिंग संवेदनशीलता के आधार पर एक निश्चित वैश्विक मेमोरी बजट को गतिशील रूप से आवंटित करके लॉन्ग-कॉन्टेक्स्ट LLM इन्फरेंस को अनुकूलित करता है, जिससे यह पारंपरिक यूनिफॉर्म प्रूनिंग विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र कॉन्टेक्स्टुअल लीनियर एक्टिवेशन स्टीयरिंग (CLAS) को प्रस्तुत करता है, जो एक ऐसी विधि है जो इनपुट संदर्भ के अनुसार स्टीयरिंग स्ट्रेंथ को गतिशील रूप से अनुकूलित करती है, और सीमित लेबल वाले डेटा के साथ कई बेंचमार्क और मॉडल परिवारों में मानक लीनियर एक्टिवेशन स्टीयरिंग से बेहतर प्रदर्शन करते हुए ReFT और LoRA के प्रदर्शन के बराबर या उससे अधिक परिणाम देती है।
यह शोध पत्र "पर्सोना कोलैप्स" (Persona Collapse) की पहचान और मात्रा निर्धारण करता है, जो एक व्यापक विफलता मोड है जहाँ अलग-अलग प्रोफाइल सौंपे गए लार्ज लैंग्वेज मॉडल्स (LLMs) सजातीय, रूढ़िबद्ध व्यवहारों में अभिसरित हो जाते हैं, जो एक प्रति-सहज व्यापार-बंद (trade-off) को प्रकट करता है जहाँ उच्चतम व्यक्तिगत पर्सोना निष्ठा वाले मॉडल्स सबसे कम विविध सिम्युलेटेड आबादी का उत्पादन करते हैं।
यह शोध पत्र "ग्रीन शील्डिंग" (Green Shielding) प्रस्तुत करता है, जो CUE मानदंडों और HealthCareMagic-Diagnosis बेंचमार्क का उपयोग करने वाला एक उपयोगकर्ता-केंद्रित ढांचा है, जो यह प्रदर्शित करता है कि कैसे उपयोगकर्ता प्रॉम्प्ट में नियमित, गैर-प्रतिकूल परिवर्तन चिकित्सा निदान में लार्ज लैंग्वेज मॉडल के आउटपुट को व्यवस्थित रूप से बदलते हैं, जिससे विश्वसनीय AI परिनियोजन को निर्देशित करने के लिए आउटपुट की संभाव्यता (plausibility) और सुरक्षा-महत्वपूर्ण कवरेज के बीच महत्वपूर्ण ट्रेड-ऑफों का अनावरण होता है।
यह शोध पत्र 823 मुठभेड़ों (encounters) में नैदानिक AI प्रणालियों के मूल्यांकन के लिए एक केस-विशिष्ट, चिकित्सक-लिखित रूब्रिक पद्धति प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जहाँ विशेषज्ञ रूब्रिक्स एक उच्च-गुणवत्ता वाला आधारभूत स्तर स्थापित करते हैं, वहीं LLM-जनित रूब्रिक्स लगभग 1,000 गुना कम लागत पर तुलनीय सहमति प्राप्त कर सकते हैं, जिससे स्केलेबल और आर्थिक रूप से व्यवहार्य पुनरावृत्ति AI परिनियोजन सक्षम होता है।