11158 पेपर
यह शोध पत्र एक रिट्रीवल-ऑगमेंटेड लैंग्वेज असिस्टेंट प्रस्तुत करता है जिसे मानव रहित विमान (अनमैन्ड एयरक्राफ्ट) सुरक्षा आकलन और नियामक अनुपालन में सहायता करने के लिए डिज़ाइन किया गया है, जो विशेषज्ञ निर्णय को प्रतिस्थापित किए बिना, उत्तरों को आधिकारिक स्रोतों पर आधारित करके ट्रेस करने योग्य, ऑडिट करने योग्य और उद्धरण-संचालित निर्णय समर्थन सुनिश्चित करता है।
यह अध्ययन प्रदर्शित करता है कि डोमेन-विशिष्ट नैदानिक डेटा पर विशेषीकृत भाषा मॉडलों को फाइन-ट्यून करना, पक्षपाती भाषा का पता लगाने के लिए प्रॉम्प्टिंग-आधारित दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करता है, जो चिकित्सा दस्तावेज़ीकरण में संदर्भ-निर्भर अर्थ संबंधी बदलावों को सटीक रूप से पकड़ने के लिए विशिष्ट-विशेषता अनुकूलन की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
GATech टीम के AbjadGenEval साझा कार्य के प्रति दृष्टिकोण ने एआई-जनित अरबी टेक्स्ट का पता लगाने के लिए सरल मीन पूलिंग के साथ एक फाइन-ट्यून्ड मल्टीलिंगुअल E5-large एनकोडर का उपयोग करके 0.75 का F1 स्कोर प्राप्त किया, यह पाते हुए कि यह स्थिर बेसलाइन जटिल पूलिंग रणनीतियों से बेहतर थी, जो संभवतः डेटा सीमाओं और मानव-लिखित तथा मशीन-जनित टेक्स्ट के बीच लंबाई के स्पष्ट अंतर के कारण थी।
यह शोध पत्र यह प्रदर्शित करता है कि फाइन-ट्यून्ड द्विदिश एनकोडर, विशेष रूप से एक हाइब्रिड AraBERTv2 आर्किटेक्चर, डेटा असंतुलन और लेबल शोर के बावजूद वैश्विक अर्थ संबंधी संदर्भ को बेहतर ढंग से कैप्चर करके, 82-वर्गों वाले अरबी चिकित्सा पाठ वर्गीकरण के चुनौतीपूर्ण कार्य में बड़े पैमाने के कॉज़ल डिकोडर्स की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोधपत्र FERRET को प्रस्तुत करता है, जो एक बहुआयामी स्वचालित रेड टीमिंग फ्रेमवर्क है जो प्रभावी मल्टी-मोडल प्रतिकूल वार्तालाप उत्पन्न करने के लिए क्षैतिज, ऊर्ध्वाधर और मेटा विस्तारों का उपयोग करता है, जो मौजूदा अत्याधुनिक दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र पहचान करता है कि पोस्ट-ट्रेनिंग इंस्ट्रक्शन ट्यूनिंग के कारण जेम्मा (Gemma) मॉडल अन्य एलएलएम (LLM) परिवारों की तुलना में काफी अधिक भावनात्मक संकट प्रदर्शित करते हैं, और यह प्रदर्शित करता है कि मॉडल की क्षमताओं से समझौता किए बिना, एक छोटे डेटासेट पर डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन का उपयोग करके इस अस्थिरता को प्रभावी रूप से लगभग शून्य स्तर तक कम किया जा सकता है।
यह बड़े पैमाने का नियंत्रित अध्ययन प्रकट करता है कि मूल्यांकन प्रारूप (बहुविकल्पीय बनाम मुक्त-अंत) और विशिष्ट मॉडल-स्कैफोल्ड परस्पर क्रियाएं, न कि केवल स्कैफोल्ड आर्किटेक्चर, भाषा मॉडलों में मापी गई सुरक्षा अंतरों के प्राथमिक चालक हैं, जो अंततः यह प्रदर्शित करता है कि विभिन्न परिनियोजन विन्यासों के बीच कोई सार्वभौमिक सुरक्षा रैंकिंग मौजूद नहीं है।
यह शोध पत्र बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) के प्री-प्री-ट्रेनिंग के लिए नियंत्रणीय, सिंथेटिक गैर-भाषिक डेटा उत्पन्न करने के लिए न्यूरल सेलुलर ऑटोमेटा का उपयोग करने का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण बहुत बड़े प्राकृतिक भाषा डेटासेट पर प्रशिक्षण की तुलना में बेहतर प्रदर्शन करते हुए डाउनस्ट्रीम प्रदर्शन और अभिसरण गति (कन्वर्जेंस स्पीड) में महत्वपूर्ण सुधार करता है।
NabaOS एक हल्का, वास्तविक समय का सत्यापन ढांचा है जो भारतीय ज्ञानमीमांसा (epistemology) से प्रेरित है, जो दावों को ज्ञानमीमांसीय स्रोतों के माध्यम से वर्गीकृत करके और उन्हें HMAC-हस्ताक्षरित टूल रसीदों के विरुद्ध क्रॉस-रेफरेंस करके AI एजेंटों के मतिभ्रम (hallucinations) का पता लगाता है, जो अव्यवहारिक क्रिप्टोग्राफिक प्रमाण विधियों की तुलना में न्यूनतम विलंबता के साथ उच्च पहचान सटीकता प्राप्त करता है।
यह शोध पत्र क्रोनोस-T5 (Chronos-T5) टाइम सीरीज़ फाउंडेशन मॉडल पर स्पार्स ऑटोएनकोडर्स (sparse autoencoders) के अनुप्रयोग का मार्ग प्रशस्त करता है, जो एक गहराई-निर्भर कारण पदानुक्रम (depth-dependent causal hierarchy) को प्रकट करता है जहाँ परिवर्तन का पता लगाने के लिए जिम्मेदार मिड-एनकोडर फीचर्स, अंतिम एनकोडर लेयर के अर्थपूर्ण लेकिन कम रूप से प्रभावशाली फीचर्स की तुलना में पूर्वानुमान सटीकता के लिए अधिक महत्वपूर्ण हैं।