11103 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि एकल जनसांख्यिकीय संकेतों का उपयोग करके लार्ज लैंग्वेज मॉडल के पूर्वाग्रह और वैयक्तिकरण का मूल्यांकन करने से असंगत और अस्थिर निष्कर्ष प्राप्त होते हैं क्योंकि मॉडल की प्रतिक्रियाएं स्थिर जनसांख्यिकीय श्रेणियों के बजाय विशिष्ट भाषाई संकेतों और संकेत-समूह संघों पर निर्भर करती हैं, जिसके लिए सुदृढ़ अंतर्दृष्टि हेतु बहु-संकेत मूल्यांकन ढांचे की आवश्यकता है।
पेपर "LinguaMap" बहुभाषी LLMs में भाषा नियंत्रण के संबंध में विशिष्ट विफलता मोड की पहचान करता है, व्याख्यात्मक विश्लेषण (interpretability analysis) के माध्यम से यह प्रकट करता है कि भाषा-विशिष्ट जनरेशन मॉडल की अंतिम परतों में केंद्रित है, और केवल इन परतों को लक्षित करने वाली एक अत्यधिक कुशल चयनात्मक फाइन-ट्यूनिंग रणनीति प्रस्तावित करता है ताकि न्यूनतम कम्प्यूटेशनल लागत के साथ लगभग पूर्ण भाषा निरंतरता प्राप्त की जा सके।
यह शोध पत्र C-Cite का प्रस्ताव करता है, जो एक नवीन ढांचा है जो एक संदर्भ-जागरूक तंत्र के माध्यम से साइटेशन मार्कर्स को उनके संदर्भित कंटेंट के साथ स्पष्ट रूप से संरेखित करके एट्रिब्यूटेड लार्ज लैंग्वेज मॉडल्स को उन्नत करता है, जिससे ALCE बेंचमार्क पर साइटेशन की गुणवत्ता और प्रतिक्रिया की शुद्धता दोनों में महत्वपूर्ण सुधार होता है।
यह अध्ययन ICLR और Nature Communications से सहकर्मी समीक्षाओं (peer reviews) का विश्लेषण करता है ताकि 2022 से एआई-जनित सामग्री में हुई तीव्र वृद्धि को प्रकट किया जा सके, जो 2025 तक क्रमशः लगभग 20% और 12% तक पहुँच गई है, जिससे विद्वत्तापूर्ण मूल्यांकन में एआई सहायता की बढ़ती व्यापकता पर प्रकाश पड़ता है।
यह शोध पत्र सिमेंटिक सेल्फ-डिस्टिलेशन (SSD) को प्रस्तुत करता है, जो एक ऐसी तकनीक है जो हल्के स्टूडेंट मॉडल्स को बड़े लैंग्वेज मॉडल्स के लिए सिमेंटिक डिस्ट्रीब्यूशन की भविष्यवाणी करने और अनिश्चितता का अनुमान लगाने के लिए प्रशिक्षित करती है, जो प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए और नए अनसर्टेन्टी प्रिमिटिव्स को सक्षम करते हुए, महंगी सैंपलिंग-आधारित विधियों के लिए एक गणनात्मक रूप से कुशल विकल्प प्रदान करती है।
यह शोध पत्र सेलेकॉम (SeleCom) को प्रस्तुत करता है, जो एक क्वेरी-कंडीशन्ड सॉफ्ट कम्प्रेशन फ्रेमवर्क है जो रेडंडेंसी (अनावश्यकता) को समाप्त करने और सूचना घनत्व में सुधार करने के लिए पूर्ण-दस्तावेज़ ऑटो-एनकोडिंग को डिकोडर-ओनली सेलेक्टर से बदल देता है, जिससे यह मौजूदा संपीड़न विधियों से बेहतर प्रदर्शन करते हुए कम्प्यूटेशनल लागत को काफी कम कर देता है।
यह शोध पत्र पहचानता है कि मौजूदा एआई एजेंट कैशिंग वर्गीकरण सटीकता और कैश कुंजी निरंतरता के बीच गलत संरेखण के कारण विफल हो जाती है, और उच्च परिशुद्धता, सब-मिलीसेकंड विलंबता और 97.5% तक लागत में कमी प्राप्त करने के लिए फ्यू-शॉट लर्निंग और जोखिम-नियंत्रित चयनात्मक भविष्यवाणी के साथ संरचित इरादा कनोनाइज़ेशन (W5H2) का उपयोग करते हुए एक समाधान प्रस्तावित करता है।
CRoCoDiL एक एकीकृत फाइन-ट्यूनिंग फ्रेमवर्क है जो मास्क किए गए डिफ्यूजन मॉडल्स को निरंतर वाक्य-स्तरीय सिमेंटिक रिप्रजेंटेशन के माध्यम से डीमास्किंग प्रक्रिया को सुदृढ़ बनाकर बेहतर बनाता है, जिससे मौजूदा तरीकों की तुलना में उत्कृष्ट टेक्स्ट जनरेशन गुणवत्ता और 10 गुना से अधिक तेज़ सैंपलिंग गति प्राप्त होती है।
यह शोध पत्र फास्ट-स्लो थिंकिंग रिवॉर्ड मॉडल्स (F/S-RM) को प्रस्तुत करता है, जो ड्यूल प्रोसेस थ्योरी से प्रेरित एक हाइब्रिड आर्किटेक्चर है जो एक कॉन्फिडेंस-आधारित एक्टिवेशन मैकेनिज्म के माध्यम से कुशल स्केलर प्रेडिक्शन को सटीक चेन-ऑफ-थॉट रीजनिंग के साथ एकीकृत करता है, जिससे कंप्यूटेशनल लागत को काफी कम करते हुए बेहतर प्रदर्शन प्राप्त होता है।
AgenticGEO एक स्व-विकसित (self-evolving) एजेंटिक फ्रेमवर्क है जो MAP-Elites आर्काइव और एक सह-विकसित क्रिटिक (Co-Evolving Critic) का उपयोग करके स्थिर जनरेटिव इंजन ऑप्टिमाइज़ेशन (GEO) विधियों की सीमाओं को संबोधित करता है, ताकि न्यूनतम इंटरेक्शन लागत के साथ ब्लैक-बॉक्स जनरेटिव सर्च इंजनों के अनुकूल विविध, उच्च-गुणवत्ता वाली सामग्री रणनीतियों को गतिशील रूप से उत्पन्न किया जा सके।