10949 पेपर
यह शोध पत्र वेब सर्च टूल्स के माध्यम से अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों के प्रति लार्ज लैंग्वेज मॉडल्स की संवेदनशीलता का व्यवस्थित रूप से मूल्यांकन करता है, जो विविध मॉडल्स में निरंतर बनी रहने वाली कमजोरियों को प्रकट करता है और सुरक्षा को कोर एआई डिज़ाइन में एकीकृत करने के लिए उन्नत प्रशिक्षण, केंद्रीकृत थ्रेट डेटाबेस और एकीकृत परीक्षण ढांचे की वकालत करता है।
यह शोध पत्र LLM4Delay का प्रस्ताव करता है, जो एक नवीन ढांचा है जो टेक्स्टुअल एयरोनॉटिकल डेटा को एयरक्राफ्ट ट्रेजेक्टरी रिप्रजेंटेशन के साथ एक क्रॉस-मोडैलिटी अडैप्टेशन रणनीति के माध्यम से एकीकृत करके उड़ान विलंब की भविष्यवाणी को बढ़ाता है, जिससे यह मौजूदा एयर ट्रैफिक मैनेजमेंट सिस्टम से बेहतर प्रदर्शन करता है।
यह अध्ययन इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड डेटा और मल्टी-स्टेट मॉडलिंग का उपयोग करके पंद्रह विशिष्ट पोस्ट-एक्यूट किडनी इंजरी क्लिनिकल अवस्थाओं की पहचान करता है, जो यह प्रकट करता है कि कैसे स्थापित और नवीन दोनों जोखिम कारक इन प्रक्षेप पथों (ट्रैजेक्टरीज) में क्रोनिक किडनी डिजीज की प्रगति को अलग-अलग तरह से प्रभावित करते हैं।
SkillFactory एक सेल्फ-डिस्टिलेशन (self-distillation) विधि पेश करता है जो एक मॉडल के अपने ही अपूर्ण रीजनिंग ट्रेसेस (reasoning traces) को सुपरवाइज्ड फाइन-ट्यूनिंग डेटा में पुनर्व्यवस्थित करता है ताकि उसे बाद के सुदृढीकरण लर्निंग (reinforcement learning) के दौरान वेरिफिकेशन (verification) और बैकट्रैकिंग (backtracking) जैसे मजबूत संज्ञानात्मक कौशल प्राप्त करने के लिए तैयार किया जा सके, जो अंततः मानक दृष्टिकोणों की तुलना में सामान्यीकरण (generalization) और आउट-ऑफ-डोमेन मजबूती (out-of-domain robustness) में सुधार करता है।
यह शोध पत्र पाता है कि जहाँ बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) दुष्प्रचार के प्रति संवेदनशीलता के मानवीय पैटर्न की व्यापक रूप से नकल कर सकते हैं, वहीं वे विश्वास और साझा करने के बीच के संबंध को व्यवस्थित रूप से बढ़ा-चढ़ाकर बताते हैं और नेटवर्क विशेषताओं की तुलना में अभिवृत्ति संबंधी कारकों को असमान रूप से प्राथमिकता देते हैं, जो यह सुझाव देता है कि वे मानवीय निर्णय को प्रतिस्थापित करने के बजाय मानवीय निर्णय से विचलन की पहचान करने के लिए अधिक उपयुक्त हैं।
म्नेमिसिस (Mnemis) एक नवीन मेमोरी फ्रेमवर्क है जो पदानुक्रमित ग्राफों (hierarchical graphs) पर तेज़, समानता-आधारित सिस्टम-1 सर्च को एक विचारशील, टॉप-डाउन सिस्टम-2 ग्लोबल सिलेक्शन मैकेनिज्म के साथ एकीकृत करके लॉन्ग-टर्म एलएलएम रिट्रीवल को बढ़ाता है, जिससे लॉन्ग-टर्म मेमोरी बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र "GNN-as-Judge" का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो टेक्स्ट-एट्रीब्यूटेड ग्राफ्स पर फ्यू-शॉट सेमी-सुपरवाइज्ड लर्निंग को बेहतर बनाने के लिए ग्राफ न्यूरल नेटवर्क्स का लाभ उठाकर विश्वसनीय सूडो-लेबल्स (pseudo-labels) उत्पन्न करता है और लार्ज लैंग्वेज मॉडल्स की फाइन-ट्यूनिंग के दौरान शोर (noise) को कम करता है।
SynDocDis एक नवीन, गोपनीयता-संरक्षित ढांचा है जो चिकित्सकों के बीच उच्च-गुणवत्ता वाले, नैदानिक रूप से सटीक सिंथेटिक संवाद उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स और संरचित मेटाडेटा का लाभ उठाता है, जो डेटा एक्सेस की सीमाओं को प्रभावी ढंग से संबोधित करता है और चिकित्सा शिक्षा एवं निर्णय समर्थन अनुप्रयोगों में मजबूत प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र यह प्रदर्शित करता है कि जबकि सरल एक्सपोनेंशियल मूविंग एवरेज (EMA) ट्रेस व्याकरणिक भूमिका निर्धारण जैसे कार्यों के लिए टेम्पोरल स्ट्रक्चर को प्रभावी ढंग से कैप्चर कर सकते हैं, वे डेटा-स्वतंत्र संपीड़न (data-independent compression) से होने वाली अपरिवर्तनीय सूचना हानि के कारण लैंग्वेज मॉडलिंग में मौलिक रूप से विफल हो जाते हैं, जो यह सिद्ध करता है कि टोकन पहचान को बनाए रखने के लिए सीखा हुआ, इनपुट-निर्भर चयन आवश्यक है।
यह शोध पत्र एक व्यापक सर्वेक्षण प्रस्तुत करता है जो चिकित्सा तर्क (मेडिकल रीजनिंग) को एक पुनरावृत्ति संज्ञानात्मक प्रक्रिया के रूप में अवधारणाबद्ध करता है, मौजूदा विधियों को सात तकनीकी मार्गों में व्यवस्थित करता है, और MR-Bench—एक वास्तविक अस्पताल डेटा बेंचमार्क—को पेश करता है ताकि वर्तमान LLMs की परीक्षा-स्तर की सफलता और वास्तविक नैदानिक निर्णय लेने में उनकी विश्वसनीयता के बीच के महत्वपूर्ण प्रदर्शन अंतर को उजागर किया जा सके।