11070 पेपर
यह शोध पत्र यह प्रदर्शित करके बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में सार्वभौमिक सत्य दिशाओं (यूनिवर्सल ट्रुथ डायरेक्शंस) की धारणा को चुनौती देता है कि उनका अस्तित्व और प्रभावशीलता मॉडल की परत की गहराई, कार्य के प्रकार और जटिलता, तथा प्रॉम्प्ट निर्देशों द्वारा महत्वपूर्ण रूप से सीमित है।
1,000 से अधिक प्रतिभागियों के एक द्वि-अक्षीय अध्ययन से पता चलता है कि मनुष्य मानव-लिखित और एलएलएम-जनित समाचार लेखों के बीच विश्वसनीय रूप से अंतर नहीं कर सकते हैं, एक ऐसा निष्कर्ष जो विभिन्न मॉडलों और विशेषज्ञता स्तरों में बना रहता है लेकिन संज्ञानात्मक थकान से बाधित होता है, जिससे यह संकेत मिलता है कि उपयोगकर्ता-पक्ष पर पहचान करना अप्रभावी है और इसके लिए क्रिप्टोग्राफिक प्रोवेनेंस जैसे सिस्टम-स्तरीय उपायों की आवश्यकता है।
यह शोध पत्र ओपन-सोर्स LLMs में एक विषमता को प्रकट करता है जहाँ अलंकारिक उपमाओं (rhetorical analogies) का पता लगाने में आंतरिक निरूपणों की जांच करना प्रॉम्पटिंग की तुलना में काफी बेहतर प्रदर्शन करती है, जो यह सुझाव देता है कि प्रॉम्पटिंग तंत्र जटिल उपमात्मक तर्क के लिए आवश्यक अंतर्निहित सूचना तक पूरी तरह से पहुँचने में विफल रहता है।
यह शोध पत्र I-CALM को प्रस्तुत करता है, जो एक प्रॉम्प्ट-आधारित ढांचा है जो स्पष्ट पुरस्कार योजनाओं और मानदण्डों के माध्यम से ज्ञानमीमांसीय परित्याग (epistemic abstention) को प्रोत्साहित करके, मॉडल को पुन: प्रशिक्षित किए बिना चयनात्मक उत्तर देने की विश्वसनीयता में सुधार करके, LLM मतिभ्रम (hallucinations) को कम करता है।
यह शोध पत्र एलएलएम-आधारित सामाजिक सिमुलेशन के लिए एक कारण संबंधी प्रतितथ्यात्मक (कॉज़ल काउंटरफैक्चुअल) ढांचे का प्रस्ताव करता है जो विशिष्ट हितधारकों की आवश्यकताओं के साथ सिमुलेशन आउटपुट को संरेखित करने के लिए आवश्यक और पर्याप्त कारणता के बीच अंतर करता है, जिससे नीति मूल्यांकन को केवल संभावित कहानी कहने से बदलकर कठोर, निष्ठा-निर्भर कारण अनुमान में परिवर्तित किया जा सके।
यह शोध पत्र कन्वर्सेशन अनसर्टेन्टी-अवेयर प्लानिंग (CUP) फ्रेमवर्क प्रस्तुत करता है, जो भाषा मॉडलों को संरचित नियोजन (स्ट्रक्चर्ड प्लानिंग) के साथ एकीकृत करता है ताकि अनिश्चितता को बहु-चरण निर्णय लेने के लिए एक मार्गदर्शक संकेत के रूप में उपयोग किया जा सके, जिससे बातचीत के टर्नों को कम करते हुए लक्ष्य-उन्मुख बातचीत की सफलता दर में सुधार किया जा सके।
यह शोध पत्र StreamGuard को प्रस्तुत करता है, जो एक एकीकृत, मॉडल-अज्ञेय (model-agnostic) स्ट्रीमिंग गार्डरेल है जो भविष्य की हानिकारकता के पूर्वानुमान को मोंटे कार्लो रोलआउट्स (Monte Carlo rollouts) के माध्यम से एक फोरकास्टिंग समस्या के रूप में फ्रेम करके सुरक्षा मॉडरेशन में सुधार करता है, जिससे सटीक टोकन-स्तरीय एनोटेशन की आवश्यकता के बिना मौजूदा बाउंड्री-डिटेक्शन विधियों की तुलना में उच्च सटीकता और कम मिस रेट प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि इन-कॉन्टेक्स्ट प्राइमिंग के माध्यम से इन्फरेंस-टाइम सिमेंटिक कंटैमिनेशन (अनुमान-समय अर्थ संबंधी संदूषण) पर्याप्त सक्षम बड़े भाषा मॉडलों में एक वास्तविक घटना है, जहाँ सांस्कृतिक रूप से भारित फ्यू-शॉट प्रदर्शन हानिकारक विषयों की ओर मापने योग्य वितरण संबंधी बदलाव (डिस्ट्रीब्यूशनल शिफ्ट) उत्पन्न कर सकते हैं, जो इस पूर्व निष्कर्ष को चुनौती देते हैं कि ऐसे प्रभाव केवल प्रॉम्प्टिंग से नहीं होते हैं।
यह शोध पत्र छोटे भाषा मॉडलों (100M–10B पैरामीटर्स) में भावना प्रतिनिधित्व निष्कर्षण (emotion representation extraction) का पहला तुलनात्मक विश्लेषण प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जनरेशन-आधारित विधियाँ बेहतर भावना पृथक्करण प्रदान करती हैं, प्रतिनिधित्व आर्किटेक्चर की परवाह किए बिना मध्य ट्रांसफार्मर परतों में स्थानीयकृत होते हैं, और इन वेक्टर्स को निर्देशित करना विशिष्ट व्यवहारगत व्यवस्थाओं (behavioral regimes) को प्रेरित करता है जबकि बहुभाषी मॉडलों में क्रॉस-लिंगुअल सुरक्षा संबंधी चिंताओं को उजागर करता है।
यह शोधपत्र पहला व्यवस्थित अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि चेन-ऑफ-थॉट संपीड़न (chain-of-thought compression) अक्सर सुरक्षा, मतिभ्रम प्रतिरोध (hallucination resistance), और बहुभाषी सुदृढ़ता के संदर्भ में मॉडल की विश्वसनीयता से समझौता करता है, और यह तर्क देता है कि भविष्य के अनुकूलन को इन महत्वपूर्ण विश्वसनीयता बाधाओं के साथ दक्षता का संतुलन बनाना चाहिए।