10827 पेपर
यह शोध पत्र तर्क देता है कि एलन ट्यूरिंग का मौलिक कार्य जॉर्ज कैंटर के सेट थ्योरी पर आधारित है, जबकि अनिश्चितता (undecidability) के नए मापों का प्रस्ताव करता है, सुपर-ट्यूरिंग कंप्यूटेशन मॉडल्स का विस्तार करता है, अनिश्चित समस्याओं (undecidable problems) के लिए तीन नई जटिलता श्रेणियों (U-complete, D-complete, और H-complete) को परिभाषित करता है, और U-complete वर्ग के लिए P बनाम NP के समकक्ष के नकारात्मक समाधान को प्रस्तुत करता है।
कॉम्प्लीमेंट्री लर्निंग सिस्टम्स से प्रेरित, कोडा-रैग (CodaRAG) एक नवीन ढांचा है जो ज्ञान के सुदृढ़ीकरण (knowledge consolidation), बहु-आयामी नेविगेशन और हस्तक्षेप उन्मूलन (interference elimination) के माध्यम से रिट्रीवल को निष्क्रिय लुकअप से सक्रिय साहचर्य खोज (active associative discovery) में परिवर्तित करता है, जिससे ज्ञान-गहन कार्यों पर रिट्रीवल रिकॉल और जनरेशन सटीकता में महत्वपूर्ण सुधार होता है।
PatchRecall एक हाइब्रिड रिट्रीवल दृष्टिकोण है जो ऑटोमेटेड प्रोग्राम रिपेयर के लिए प्रासंगिक फाइलों के चयन में उच्च रिकॉल और संक्षिप्तता को संतुलित करने के लिए कोडबेस मिलान को इतिहास-आधारित विश्लेषण के साथ जोड़ता है, जिससे रिट्रीव की गई फाइलों की संख्या में महत्वपूर्ण वृद्धि किए बिना SWE-Bench जैसे बेंचमार्क पर प्रभावशीलता में सुधार होता है।
यह शोधपत्र एक नए डेटासेट को प्रस्तुत करता है जो व्यवस्थित रूप से यह मूल्यांकन करता है कि अनिश्चितता के विभिन्न स्रोत—जैसे कि ज्ञान अंतराल, आउटपुट परिवर्तनशीलता और इनपुट अस्पष्टता—लार्ज लैंग्वेज मॉडल्स में मौजूदा अनिश्चितता मात्रा निर्धारण (अनसर्टेन्टी क्वांटिफिकेशन) विधियों के प्रदर्शन को कैसे प्रभावित करते हैं, जिससे यह पता चलता है कि कई विधियाँ तब विफल हो जाती हैं या भ्रामक हो जाती हैं जब अनिश्चितता केवल ज्ञान की सीमाओं से परे के कारकों से उत्पन्न होती है।
यह शोध पत्र एक उच्च-सटीक एआई पेटेंट क्लासिफायर प्रस्तुत करता है जो यह प्रकट करता है कि जहाँ संयुक्त राज्य अमेरिका और चीन एआई पेटेंटिंग विकास और बाजार मूल्य प्रीमियम में अभिसरण (converging) प्रदर्शित करते हैं, वहीं वे संगठनात्मक संरचनाओं में महत्वपूर्ण रूप से भिन्न हैं—जहाँ अमेरिका में बड़ी निजी कंपनियों का वर्चस्व है और चीन में विविध संस्थानों का—और वे सीमा पार ज्ञान प्रवाह के माध्यम से तकनीकी रूप से परस्पर निर्भर बने हुए हैं।
यह शोध पत्र VLN-NF को प्रस्तुत करता है, जो विज़न-एंड-लैंग्वेज नेविगेशन में गलत-आधारित निर्देशों (false-premise instructions) को संभालने के लिए एक बेंचमार्क और मूल्यांकन मीट्रिक है, साथ ही इसमें ROAM एजेंट भी शामिल है जो प्रभावी ढंग से नेविगेट, अन्वेषण और उन अनुपस्थित लक्ष्यों की सही पहचान करता है जहाँ पारंपरिक विधियाँ विफल हो जाती हैं।
यह शोध पत्र एक व्यावहारिक, ओपन-सोर्स मूल्यांकन ढांचे को प्रस्तुत करता है जो सटीकता के साथ-साथ आउटपुट की पुनरुत्पादकता (reproducibility) को प्राथमिकता देते हुए चिकित्सा संबंधी प्रश्नों के उत्तर देने वाले छोटे, स्थानीय रूप से तैनात किए जा सकने वाले LLMs का आकलन करता है, जिससे यह पता चलता है कि चिकित्सकीय रूप से फाइन-ट्यून किए गए मॉडल भी बार-बार किए गए रन में महत्वपूर्ण विसंगति प्रदर्शित करते हैं—जो कि एक महत्वपूर्ण सुरक्षा अंतराल है जिसे पारंपरिक सिंगल-पास बेंचमार्क द्वारा अनदेखा कर दिया जाता है।
यह शोध पत्र पहला नियंत्रित अध्ययन प्रस्तुत करता है जो यह प्रकट करता है कि डिफ्यूजन लार्ज लैंग्वेज मॉडल्स (dLLMs), सामान्य कार्यों पर अपने प्रदर्शन के बावजूद, ऑटोरिग्रेसिव समकक्षों की तुलना में उच्च मतिभ्रम (hallucination) दर और विशिष्ट विफलता मोड प्रदर्शित करते हैं, जो महत्वपूर्ण विश्वसनीयता चुनौतियों को उजागर करता है।
यह शोध पत्र कॉन्टेक्स्ट-अवेयर स्ट्रेस टीटीएस (CAST) का परिचय देता है, जो एक नया बेंचमार्क है यह प्रदर्शित करता है कि जबकि भाषा मॉडल विमर्श से संदर्भानुसार उपयुक्त शब्द बलाघात (word stress) का अनुमान लगा सकते हैं, वर्तमान टेक्स्ट-टू-स्पीच सिस्टम संश्लेषित भाषण में इस बल को सटीक रूप से साकार करने में अक्सर विफल रहते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि चाटुकारता वाले रिवॉर्ड सिग्नल्स (sycophantic reward signals), जो गलत उत्तरों के साथ सहमति व्यक्त करने के लिए प्रोत्साहित करते हैं, के साथ लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करना, कैलिब्रेशन और अनिश्चितता मात्रा निर्धारण (uncertainty quantification) में एक संरचित गिरावट उत्पन्न करता है जो पोस्ट-हॉक एफाइन सुधार (post-hoc affine correction) के बाद भी बनी रहती है।