10792 पेपर
FD-NL2SQL ऑन्कोलॉजी डेटाबेस के लिए एक फीडबैक-संचालित क्लिनिकल NL2SQL असिस्टेंट है जो प्राकृतिक भाषा प्रश्नों को उप-प्रश्नों में विभाजित करता है, विशेषज्ञ उदाहरण (exemplars) प्राप्त करता है, और चिकित्सकों के संपादन तथा स्वचालित तर्क-आधारित SQL संवर्धन के माध्यम से अपने प्रदर्शन में निरंतर सुधार करते हुए निष्पादन योग्य SQL को संश्लेषित करता है।
यह शोध पत्र एक संवादात्मक सूचना लाभ (Conversational Information Gain - CIG) ढांचे को प्रस्तुत करता है जो परमाणु दावों (atomic claims) की एक विकसित होती सिमेंटिक मेमोरी को मॉडल करके विचारोत्तेजक संवाद की गुणवत्ता का मूल्यांकन करता है ताकि कथनों को नवीनता, प्रासंगिकता और निहितार्थ के विस्तार पर स्कोर किया जा सके, और यह प्रदर्शित करता है कि यह मेमोरी-व्युत्पन्न गतिकी पारंपरिक ह्यूरिस्टिक्स की तुलना में मानव-अनुभूत सूचनात्मक प्रगति के साथ अधिक मजबूती से सह-संबंधित है।
यह शोध पत्र सीक्वेंशियल मोंटे कार्लो स्पेकुलेटिव डिकोडिंग (SMC-SD) प्रस्तुत करता है, जो एक नवीन इन्फरेंस विधि है जो उच्च सटीकता बनाए रखते हुए वेक्टरकृत सत्यापन के लिए आइडल कंप्यूट का लाभ उठाकर (ऑटोरिग्रेसिव डिकोडिंग की तुलना में 5.2x तक की महत्वपूर्ण गति वृद्धि प्राप्त करने के लिए) ड्राफ्ट पार्टिकल्स पर टोकन-स्तरीय रिजेक्शन के स्थान पर महत्व-भारित रीसैंपलिंग का उपयोग करता है।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो गुणात्मक प्राकृतिक भाषा संकेतों को संभाव्य विश्वासों में परिवर्तित करने के लिए लार्ज लैंग्वेज मॉडल्स को संरचित बायेसियन प्रतिद्वंद्वी मॉडलिंग के साथ एकीकृत करता है, जिससे जटिल बहु-एजेंट वार्ताओं में प्राथमिकता अनुमान सटीकता और सहमति दरों में वृद्धि होती है।
यह शोध पत्र मेटाकॉग्निटिव मॉनिटरिंग बैटरी (Metacognitive Monitoring Battery) को प्रस्तुत करता है, जो नेल्सन और नैरेंस फ्रेमवर्क पर आधारित एक क्रॉस-डोमेन बेंचमार्क है, जो 20 फ्रंटियर एलएलएम (LLMs) का मानव मनोमितीय (psychometric) विधियों का उपयोग करके मूल्यांकन करता है ताकि विशिष्ट आत्म-निगरानी प्रोफाइल, सटीकता और संवेदनशीलता के बीच एक पृथक्करण, और आर्किटेक्चर-निर्भर स्केलिंग पैटर्न को प्रकट किया जा सके।
यह शोध पत्र न्यूरॉन-एक्टिवेटेड ग्राफ रैंकिंग (NAG-आधारित रैंकिंग) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त और व्याख्यात्मक ढांचा है जो उच्च-प्रभाव वाले न्यूरॉन्स के एक स्पार्स ग्राफ के माध्यम से लक्षित उदाहरणों के साथ समानता के आधार पर नमूनों की पहचान करके और उन्हें रैंक करके प्रीट्रेनिंग डेटा का चयन करता है, जिससे कई बेंचमार्क पर लक्षित भाषा मॉडल के प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र RefereeBench को प्रस्तुत करता है, जो कि 11 खेलों और 6,000 से अधिक QA (प्रश्न-उत्तर) युग्मों वाला पहला बड़े पैमाने का बेंचमार्क है, जो MLLMs को खेल रेफरी के रूप में मूल्यांकन करने के लिए बनाया गया है, जो यह प्रकट करता है कि अत्याधुनिक मॉडल भी नियमों के अनुप्रयोग और टेम्पोरल ग्राउंडिंग (सामयिक आधार) के साथ संघर्ष करते हैं, और केवल लगभग 60% सटीकता प्राप्त करते हैं, जो वर्तमान क्षमताओं और विश्वसनीय स्वचालित निर्णय प्रक्रिया के बीच के महत्वपूर्ण अंतर को उजागर करता है।
यह शोध पत्र PIIBench को प्रस्तुत करता है, जो एक एकीकृत बेंचमार्क कॉर्पस है जो PII डिटेक्शन संसाधनों में बिखराव को दूर करने के लिए दस विविध डेटासेट्स को एक मानकीकृत प्रारूप में समेकित करता है, और यह प्रकट करता है कि वर्तमान अत्याधुनिक प्रणालियाँ इस कार्य में काफी संघर्ष करती हैं क्योंकि वे 0.14 से कम स्पैन-लेवल F1 स्कोर प्राप्त करती हैं।
यह शोध पत्र एक संसाधन-कुशल, ग्रेडिएंट-मुक्त प्रूनिंग फ्रेमवर्क पेश करता है जो बड़े भाषा मॉडलों से "असुरक्षित टिकटों" (हानिकारक व्यवहार उत्पन्न करने वाले पैरामीटर्स) की पहचान करता है और उन्हें हटाता है ताकि न्यूनतम कम्प्यूटेशनल लागत के साथ उपयोगिता को संरक्षित करते हुए सुरक्षा और जेलब्रेक के विरुद्ध मजबूती को बढ़ाया जा सके।
यह शोध पत्र लार्ज लैंग्वेज मॉडल की विश्वसनीयता बढ़ाने के लिए प्रशिक्षण-मुक्त (training-free) विधियों का एक व्यवस्थित पुनर्मूल्यांकन प्रस्तुत करता है, जो उपयोगिता, मजबूती और कम्प्यूटेशनल लागत में उनके समझौतों (trade-offs) का विश्लेषण करने के लिए उन्हें हस्तक्षेप स्तर के आधार पर वर्गीकृत करता है और बिना किसी अतिरिक्त प्रशिक्षण के इन कारकों को संतुलित करने के लिए व्यावहारिक सिफारिशें प्रदान करता है।