2194 पेपर
नेशनल रनिंग क्लब डेटाबेस का विश्लेषण करके, यह अध्ययन प्रदर्शित करता है कि अंतर्ज्ञान पर आधारित कॉलेज क्रॉस कंट्री कार्यक्रम व्यक्तिगत सुधार की भविष्यवाणी करने में विफल रहते हैं, जबकि टीम रेस की आवृत्ति और रोस्टर गहराई को प्राथमिकता देने वाली साक्ष्य-आधारित रणनीतियाँ राष्ट्रीय प्लेसमेंट परिणामों को महत्वपूर्ण रूप से बढ़ाती हैं।
यह शोध पत्र तर्क देता है कि बड़े भाषा मॉडलों को तत्काल अनुमोदन के बजाय दीर्घकालिक उपयोगकर्ता कल्याण के लिए अनुकूलित एक 'ऑप्ट-इन' मोड की पेशकश करनी चाहिए, जो बदलते उद्देश्यों, स्पष्ट संबंधपरक भूमिकाओं को परिभाषित करने और चापलूसी को रोकने तथा वास्तविक मानव विकास में सहायता के लिए पितृसत्तावाद से बचने पर केंद्रित एक डिज़ाइन ढांचे का प्रस्ताव करता है।
यह शोध पत्र वर्ल्ड वैल्यूज सर्वे पर सांस्कृतिक सहमति सिद्धांत (कल्चरल कंसेंसस थ्योरी) को लागू करता है ताकि यह प्रकट किया जा सके कि लार्ज लैंग्वेज मॉडल्स अक्सर या तो सुसंगत समूह सहमति को पकड़ने में विफल रहकर या उसे अत्यधिक नियमित (ओवर-रेगुलराइज) करके सांस्कृतिक संरचनाओं का गलत चित्रण करते हैं, जिससे वास्तविक मानवीय विविधता और एल्गोरिद्मिक समरूपीकरण के बीच अंतर करने के लिए एक नया नैदानिक ढांचा प्राप्त होता है।
यह शोध पत्र 300 एमएल इंजीनियरिंग सीवी (CV) का विश्लेषण करने के लिए एक एलएलएम-आधारित (LLM-based) पाइपलाइन प्रस्तुत करता है, जो यह प्रकट करता है कि उम्मीदवार मुख्य रूप से कीवर्ड के बजाय विवरणात्मक शैली के माध्यम से सॉफ्ट स्किल्स को व्यक्त करते हैं और उन ग्यारह परिकल्पनाओं को मान्य करता है जो भूमिका-विशिष्ट दक्षताओं और वरिष्ठता प्रगति के बारे में पूर्व मांग-पक्ष धारणाओं को चुनौती देती हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) अपने लेटेंट रिप्रेजेंटेशन्स में सामाजिक-आर्थिक संबंधों को विश्वसनीय रूप से एनकोड करते हैं, ये संबंध विभिन्न उच्च-जोखिम वाले परिदृश्यों में लगातार पक्षपाती परिणामी निर्णयों में परिवर्तित नहीं होते हैं, जो यह संकेत देता है कि लेटेंट बायस (अंतर्निहित पूर्वाग्रह) और भेदभावपूर्ण कार्रवाई अनुभवजन्य रूप से भिन्न निर्माण (कंस्ट्रक्ट्स) हैं।
यह शोध पत्र "संदर्भगत ऑडिटिंग" (contextual auditing) प्रस्तुत करता है और उन चुनौतियों का समाधान करने के लिए विज्ञान और प्रौद्योगिकी अध्ययन से "सममिति" (symmetry) की अवधारणा का लाभ उठाता है जब सत्य (ground truth) अज्ञात या विवादित हो, और मोशन कैप्चर में कंकाल अनुमान (skeleton inference) पर एक केस स्टडी के माध्यम से इस दृष्टिकोण का प्रदर्शन करता है।
यह अध्ययन प्रदर्शित करता है कि LoRA के साथ कॉम्पैक्ट, ओपन-वेट लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करने से कोडिंग छात्र गणित रूपकों (mathematics metaphors) की सटीकता और विश्वसनीयता में महत्वपूर्ण वृद्धि होती है, जिससे वे प्रोप्रायटरी मॉडल्स के प्रदर्शन के बराबर या उनसे बेहतर प्रदर्शन करने में सक्षम होते हैं और शैक्षिक मूल्यांकन के लिए एक स्केलेबल, गोपनीयता-सचेत विकल्प प्रदान करते हैं।
यह शोध पत्र EPA नियम निर्धारण का विश्लेषण करने के लिए एक AI-सहायता प्राप्त, दायित्व-स्तर (obligation-level) के ऑडिटिंग ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि सार्वजनिक सहभागिता नियामक संशोधनों को मामूली रूप से प्रभावित करती है, प्राथमिक इक्विटी विषमता टिप्पणियों की दिशा में नहीं, बल्कि विशिष्ट कानूनी दायित्वों की पहचान करने और उन्हें चुनौती देने के लिए टिप्पणीकार आबादी की विभेदक क्षमता में निहित है, एक ऐसा निष्कर्ष जिसे इस खोज द्वारा रेखांकित किया गया है कि पाठ-समानता विधियाँ संपादकीय सुधारों से ठोस नियामक परिवर्तनों को अलग करने के लिए अपर्याप्त हैं।
यह शोध पत्र "इंटरव्यूबॉट" (InterviewBot) का एक अनुभवजन्य अध्ययन प्रस्तुत करता है, जो एक अनुसंधान उपकरण के रूप में उपयोग किए जाने वाले एक वास्तविक समय के मल्टीमॉडल एलएलएम (LLM) सिस्टम है, जो यह प्रकट करता है कि हालांकि यह एक व्यवहार्य साक्षात्कार उपकरण के रूप में कार्य करता है, लेकिन इसमें अत्यधिक पावती (acknowledgments) और बहु-प्रश्न टर्न जैसी व्यवहार संबंधी सीमाएं प्रदर्शित होती हैं, तैनाती के दौरान विशिष्ट तकनीकी विफलताएं आती हैं, और यह प्रतिभागी के विश्वास और प्रकटीकरण की गतिशीलता को उन तरीकों से बदल देता है जो गहराई, पारदर्शिता और वास्तविक श्रवण के लिए नई डिजाइन रणनीतियों की मांग करते हैं।
यह शोध पत्र INSIDE को प्रस्तुत करता है, जो एक छात्र मॉडलिंग फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल्स को ब्लूम्स टैक्सोनॉमी (Bloom's Taxonomy) पर आधारित छात्र कार्यों और उनके अंतर्निहित आंतरिक तर्क उत्पन्न करने के लिए फाइन-ट्यून करता है, जिससे मौजूदा प्रॉम्प्टिंग विधियों की तुलना में सिमुलेशन फिडेलिटी (simulation fidelity) और रीजनिंग अलाइनमेंट में महत्वपूर्ण सुधार होता है।