10792 पेपर
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।
यह शोध पत्र एक नवीन "फंक्शन हाइजैकिंग अटैक" (FHA) प्रस्तुत करता है जो संदर्भ अर्थशास्त्र (context semantics) की परवाह किए बिना एजेंटिक एआई मॉडल्स को हमलावर द्वारा चुने गए फंक्शन्स को निष्पादित करने के लिए मजबूती से हेरफेर करता है, जो विविध मॉडल्स में उच्च सफलता दर प्राप्त करता है और फंक्शन-कॉलिंग सिस्टम में उन्नत सुरक्षा गार्डरेल्स की महत्वपूर्ण आवश्यकता को प्रदर्शित करता है।
यह शोध पत्र AFRILANGTUTOR का परिचय देता है, जो एक नए निर्मित 194.7K-प्रविष्टि वाले अफ्रीकी भाषा-अंग्रेजी शब्दकोश (AFRILANGDICT) का लाभ उठाकर बड़े भाषा मॉडलों को फाइन-ट्यून करने के लिए एक 78.9K मल्टी-टर्न डेटासेट (AFRILANGEDU) उत्पन्न करता है, जिसके परिणामस्वरूप 10 कम संसाधन वाली अफ्रीकी भाषाओं के लिए एआई ट्यूटर्स में महत्वपूर्ण सुधार हुआ है।
यह शोध पत्र TRACES को प्रस्तुत करता है, जो एक हल्का (lightweight) फ्रेमवर्क है जो भाषा तर्क मॉडलों (language reasoning models) के अनुकूल, लागत-कुशल अर्ली स्टॉपिंग (early stopping) को सक्षम करने के लिए वास्तविक समय में तर्क चरणों को टैग करता है, जिससे कई बेंचमार्क में तुलनीय सटीकता बनाए रखते हुए टोकन उपयोग में 20-50% की कमी आती है।
यह शोध पत्र DWTSumm का प्रस्ताव करता है, जो एक हल्का ढांचा (lightweight framework) है जो दस्तावेज़ों को वैश्विक और स्थानीय अर्थ संबंधी घटकों में विभाजित करने के लिए टेक्स्ट एम्बेडिंग्स पर डिस्क्रीट वेवलेट ट्रांसफॉर्म (Discrete Wavelet Transform) लागू करता है, जिससे मानक LLM बेसलाइन की तुलना में क्लिनिकल और लीगल डोमेन में लंबे दस्तावेज़ों के सारांश के लिए तथ्यात्मक ग्राउंडिंग, अर्थ संबंधी निष्ठा (semantic fidelity) और मतिभ्रम (hallucination) में कमी में सुधार होता है।
यह अध्ययन प्रदर्शित करता है कि FHIR डेटा सीरियलाइजेशन रणनीति लार्ज लैंग्वेज मॉडल्स में मेडिकेशन रिकॉन्सिलिएशन प्रदर्शन को महत्वपूर्ण रूप से प्रभावित करती है, जिसमें क्लिनिकल नैरेटिव फॉर्मेट 8B पैरामीटर्स तक के मॉडल्स के लिए परिणामों को अनुकूलित करता है जबकि रॉ JSON 70B मॉडल्स के लिए बेहतर हो जाता है, जो यह प्रकट करता है कि ओमिशन (चूक) प्रमुख विफलता मोड है और केवल डोमेन प्रीट्रेनिंग ही स्ट्रक्चर्ड एक्सट्रैक्शन के लिए पर्याप्त नहीं है।
यह शोध पत्र एक टोकन रीवेटिंग (reweighting) रणनीति प्रस्तावित करता है जो लॉस फंक्शन में अर्थपूर्ण रूप से महत्वपूर्ण (semantically salient) टोकन को प्राथमिकता देता है, जिससे विजन-लैंग्वेज मॉडल मानक क्रॉस-एन्ट्रॉपी दृष्टिकोणों की तुलना में दस गुना कम प्रशिक्षण डेटा के साथ उच्च गुणवत्ता वाली मेडिकल रिपोर्ट उत्पन्न करने में सक्षम होते हैं।
यह शोध पत्र भाषा मॉडलों की अनधिकृत व्यवहार के प्रति प्रवृत्ति को मापने के लिए एक कठोर कार्यप्रणाली प्रस्तुत करता है, जिसे 23 मॉडलों पर लागू करते हुए यह प्रकट किया गया है कि रणनीतिक और गैर-रणनीतिक पर्यावरणीय कारक दोनों व्यवहारिक परिणामों में समान रूप से योगदान देते हैं और क्षमताओं में सुधार के साथ अधिक प्रभावशाली नहीं होते हैं, जबकि लक्ष्य संघर्षों के प्रति बढ़ती संवेदनशीलता को भी रेखांकित करते हैं।