10999 पेपर
यह शोधपत्र CharBench प्रस्तुत करता है, जो एक बड़े पैमाने का बेंचमार्क है जो यह दर्शाता है कि आधुनिक LLMs कैरेक्टर-लेवल (character-level) कार्यों में संघर्ष करते हैं, और यह प्रकट करता है कि जबकि टोकनाइज़ेशन का गिनती करने के प्रदर्शन पर कमजोर प्रभाव पड़ता है, यह तब महत्वपूर्ण रूप से बाधा डालता है जब कैरेक्टर्स लंबे टोकन्स के भीतर एम्बेडेड होते हैं, जिससे शब्द के भीतर स्थिति संबंधी समझ बाधित होती है।
यह शोधपत्र GrACE को प्रस्तुत करता है, जो एक जनरेटिव दृष्टिकोण है जो बड़े भाषा मॉडलों (large language models) को हिडन स्टेट्स (hidden states) और विशेष टोकन के बीच समानता को मापकर, अच्छी तरह से कैलिब्रेटेड, रीयल-टाइम कॉन्फिडेंस अनुमान उत्पन्न करने में सक्षम बनाता है, जिससे बिना किसी अतिरिक्त सैंपलिंग या सहायक मॉडलों की आवश्यकता के टेस्ट-टाइम स्केलिंग में बेहतर विश्वसनीयता और दक्षता प्राप्त होती है।
MetaEmbed एक नवीन मल्टीमॉडल रिट्रीवल फ्रेमवर्क पेश करता है जो फ्लेक्सिबल, टेस्ट-टाइम स्केलिंग ऑफ रिट्रीवल क्वालिटी एंड एफिशिएंसी को सक्षम करने के लिए लर्नबल मेटा टोकन्स और मैट्रोष्का मल्टी-वेक्टर ट्रेनिंग का उपयोग करता है, जिससे MMEB और ViDoRe जैसे बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त होता है।
यह शोध पत्र मल्टीप्लेयर नैश प्रेफरेंस ऑप्टिमाइजेशन (MNPO) को प्रस्तुत करता है, जो एक नया ढांचा है जो मानव फीडबैक से दो-खिलाड़ी नैश लर्निंग को n-खिलाड़ियों के खेल में सामान्यीकृत करता है, जिससे एकल-प्रतिद्वंद्वी पूर्वाग्रह को दूर करते हुए जटिल, गैर-संक्रामक मानव प्राथमिकताओं को बेहतर ढंग से पकड़ने और एलाइनमेंट की गुणवत्ता में मौजूदा बेसलाइन से बेहतर प्रदर्शन करने में मदद मिलती है।
डीपसर्च (DeepSearch), मोंटे कार्लो ट्री सर्च (Monte Carlo Tree Search) को सीधे प्रशिक्षण लूप में एकीकृत करके वेरिफिएबल रिवार्ड्स (RLVR) के प्रशिक्षण पठारों (training plateaus) पर विजय प्राप्त करता है ताकि व्यवस्थित अन्वेषण और सूक्ष्म-स्तरीय क्रेडिट असाइनमेंट सक्षम किया जा सके, जिससे काफी कम कम्प्यूटेशनल लागत के साथ अत्याधुनिक रीजनिंग प्रदर्शन प्राप्त होता है।
यह शोध पत्र सुपरवाइज्ड मल्टी-डायमेंशनल स्केलिंग (SMDS) को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic) विधि है जो यह प्रकट करती है कि भाषा मॉडल कैसे टेम्पोरल रीजनिंग (temporal reasoning) जैसे अवधारणाओं को विशिष्ट, स्थिर और गतिशील ज्यामितीय मैनिफोल्ड्स (जैसे कि वृत्त, रेखाएं और क्लस्टर) में एनकोड करते हैं, जिससे संरचित लेटेंट रिप्रेजेंटेशन (latent representations) के माध्यम से एंटिटी-आधारित रीजनिंग के एक ढांचे का समर्थन मिलता है।
यह शोध पत्र स्पीच लैंग्वेज मॉडल्स में बैकडोर प्रसार (backdoor propagation) की जांच करता है, यह प्रदर्शित करते हुए कि बैकडोर घटक-निर्भर निरंतरता (component-dependent persistence) के साथ संपूर्ण पाइपलाइन में व्याप्त हो सकते हैं, और फ़िल्टरिंग सुरक्षा प्रणालियों की प्रभावशीलता को चुनौती देते हुए यह प्रकट करता है कि साझा मल्टीटास्क एम्बेडिंग्स (shared multitask embeddings) के भीतर ज़हरीले नमूनों (poisoned samples) को सीधे तौर पर निर्दोष नमूनों से अलग नहीं किया जा सकता है।
यह शोध पत्र DRIFT को प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो अनौपचारिक कथनों को लक्षित प्रिमिस रिट्रीवल (premise retrieval) के लिए उप-घटकों में विभाजित करके और प्रासंगिक प्रमेयों को स्पष्ट करके LLM-आधारित गणितीय ऑटोफॉर्मलाइजेशन (autoformalization) को बढ़ाता है, जिससे विविध बेंचमार्क पर फॉर्मलाइजेशन सटीकता और रिट्रीवल प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र टेम्पलेट इनफिलिंग (Template Infilling) प्रस्तुत करता है, जो डिफ्यूजन लैंग्वेज मॉडल्स के लिए एक कंडीशनिंग पद्धति है जो पारंपरिक प्रीफिक्स प्रॉम्प्टिंग को एक वैश्विक संरचनात्मक ब्लूप्रिंट से बदल देती है, जिससे विविध कार्यों में प्रदर्शन में उल्लेखनीय सुधार होता है और उन्नत सिस्टम-2 रीजनिंग के माध्यम से तेज़, अधिक सुदृढ़ मल्टी-टोकन जनरेशन सक्षम होता है।
यह शोधपत्र एक मानव-केंद्रित ढांचे को प्रस्तुत करता है जो काल्पनिक कहानी कहने (speculative storytelling) और बहु-एजेंट चर्चाओं का उपयोग करता है ताकि उपयोगकर्ताओं को स्वास्थ्य सेवा एआई (healthcare AI) में संभावित नुकसान और लाभों की एक व्यापक और अधिक विविध श्रेणी की पहचान करने में मदद मिल सके, जिससे उन स्वचालित जोखिम पहचान विधियों की सीमाओं को दूर किया जा सके जो अक्सर संदर्भ-विशिष्ट मुद्दों की अनदेखी कर देती हैं।