10792 पेपर
SocraticKG एक स्वचालित नॉलेज ग्राफ निर्माण पद्धति है जो दस्तावेज़ के अर्थों को व्यवस्थित रूप से खोलने के लिए 5W1H-निर्देशित प्रश्न-उत्तर युग्मों को एक मध्यवर्ती प्रतिनिधित्व के रूप में उपयोग करती है, जिससे तथ्यात्मक कवरेज और संबंधात्मक विखंडन के बीच के संतुलन को हल करते हुए मल्टी-हॉप रीजनिंग क्षमताओं को बढ़ाया जा सके।
यह शोध पत्र GerAV को प्रस्तुत करता है, जो ट्विटर और रेडिट से 4 लाख से अधिक लेबल किए गए टेक्स्ट पेयर्स वाला एक व्यापक जर्मन लेखकत्व सत्यापन (authorship verification) बेंचमार्क है, और यह प्रदर्शित करता है कि फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल्स मौजूदा बेसलाइन्स और GPT-5 की तुलना में काफी बेहतर प्रदर्शन करते हैं और विभिन्न डेटा डोमेन में विशेषज्ञता (specialization) और सामान्यीकरण (generalization) के बीच एक ट्रेड-ऑफ को प्रकट करते हैं।
यह अध्ययन प्रदर्शित करता है कि एजेंट-आधारित एआई सिस्टम सामाजिक विज्ञान अनुसंधान में कम्प्यूटेशनल विफलताओं के स्वचालित निदान और सुधार करने में प्रॉम्प्ट-आधारित दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करते हैं, जिससे प्रॉम्प्ट-आधारित तरीकों के लिए 31-79% की तुलना में 69-96% की पुनरुत्पादन सफलता दर प्राप्त होती है।
यह शोध पत्र प्रकट करता है कि व्यापक रूप से उपयोग किए जाने वाले एआई सुरक्षा डेटासेट दोषपूर्ण हैं क्योंकि वे यथार्थवादी प्रतिकूल व्यवहार के बजाय स्पष्ट "ट्रिगरिंग क्यूज़" (triggering cues) पर निर्भर करते हैं, जो यह प्रदर्शित करता है कि जब "इंटेंट लॉन्ड्रिंग" (intent laundering) नामक तकनीक के माध्यम से इन संकेतों को हटा दिया जाता है, तो शीर्ष स्तर के मॉडल भी हानिकारक आउटपुट को रोकने में विफल हो जाते हैं।
SPIRE एक अर्ध-संरचित (semi-structured) HTML दस्तावेज़ों के लिए एक संरचना-संरक्षण (structure-preserving) रिट्रीवल फ्रेमवर्क है जो वृक्ष-संरचित उप-दस्तावेजों (tree-structured subdocuments) को इंडेक्स करने और वैश्विक एवं स्थानीय संदर्भ तंत्र (global and local contextualization mechanisms) लागू करने द्वारा उद्धरण की गुणवत्ता और व्याख्यात्मकता में सुधार करता है, जो प्रश्न-उत्तर कार्यों में पारंपरिक फ्लैट-चंक (flat-chunk) बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र एसोसिएशन-ऑगमेंटेड रिट्रीवल (AAR) को प्रस्तुत करता है, जो एक हल्का, कॉर्पस-विशिष्ट रीरैंकिंग तरीका है जो कॉन्ट्रास्टिव लर्निंग के माध्यम से पैसेजेस के बीच साहचर्य संबंधों (associative relationships) को सीखकर मल्टी-हॉप रिट्रीवल प्रदर्शन में महत्वपूर्ण सुधार करता है, यह प्रदर्शित करते हुए कि जटिल तर्क (complex reasoning) के लिए सामान्य सिमेंटिक समानता की तुलना में ऐसे विशिष्ट सह-उपस्थिति पैटर्न अधिक प्रभावी होते हैं।
यह शोध पत्र M-CARE को प्रस्तुत करता है, जो मानव चिकित्सा से अनुकूलित एक मानकीकृत नैदानिक रिपोर्टिंग ढांचा है, जिसका उपयोग AI व्यवहार संबंधी विकारों के निदान और वर्गीकरण के लिए किया जाता है, जिसे 20-मामलों के एटलस और शेल-इंड्यूस्ड बिहेवियरल ओवरराइड (SIBO) जैसी घटनाओं के प्रयोगात्मक साक्ष्य के माध्यम से मान्य किया गया है।
यह शोध पत्र AITP को प्रस्तुत करता है, जो एक मल्टीमॉडल लार्ज लैंग्वेज मॉडल है जो जटिल यातायात दुर्घटना उत्तरदायित्व आवंटन करने के लिए मल्टीमॉडल चेन-ऑफ-थॉट और रिट्रीवल-ऑगमेंटेड जनरेशन का लाभ उठाता है, जिसे लगभग 68,000 एनोटेटेड वीडियो वाले व्यापक DecaTARA बेंचमार्क द्वारा समर्थित किया गया है।
यह शोध पत्र एब्जॉर्बर एलएलएम (Absorber LLM) का प्रस्ताव करता है, जो एक टेस्ट-टाइम ट्रेनिंग विधि है जो लॉन्ग-कॉन्टेक्स्ट रिटेंशन को एक सेल्फ-सुपरवाइज्ड कॉज़ल सिंक्रोनाइज़ेशन टास्क के रूप में फॉर्म्युलेट करती है ताकि एक कॉन्टेक्स्टलेस मॉडल को फुल-कॉन्टेक्स्ट मॉडल के प्रेडिक्शन्स से मेल खाने में सक्षम बनाया जा सके, जिससे मौजूदा पैरामीटर-आधारित मेमोरी अप्रोच की तुलना में बेहतर सटीकता के साथ कांस्टेंट-मेमोरी इन्फरेंस प्राप्त किया जा सके।
यह शोध पत्र DexBench प्रस्तुत करता है, जो दो पूरक कार्यों के माध्यम से प्रोग्राम निष्पादन (execution) के बारे में तर्क करने की क्षमता का आकलन करके बड़े भाषा मॉडलों (LLMs) की गतिशील कोड समझ (dynamic code understanding) का मूल्यांकन करने के लिए डिज़ाइन किया गया एक बेंचमार्क है: इनपुट से व्यवहार का पूर्वानुमान लगाना और विशिष्ट व्यवहार संबंधी उद्देश्यों को प्राप्त करने के लिए इनपुट उत्परिवर्तन (input mutations) का अनुमान लगाना।