2252 पेपर
यह शोध पत्र एक प्रासंगिक डेटा संवेदनशीलता ढांचे (contextual data sensitivity framework) का प्रस्ताव करता है जो मौजूदा उपकरणों की तुलना में संवेदनशील डेटा का पता लगाने की सटीकता में उल्लेखनीय सुधार करने और गलत सकारात्मकता (false positives) को कम करने के लिए प्रकार और डोमेन प्रासंगिककरण (type and domain contextualization) का लाभ उठाता है, जैसा कि प्रयोगों और विशेषज्ञ केस स्टडीज द्वारा प्रमाणित किया गया है।
यह शोध पत्र प्रदर्शित करता है कि एक एआई पारिस्थितिकी तंत्र के भीतर भाषा मॉडलों की विविधता को बढ़ाना सेल्फ-ट्रेनिंग के कारण होने वाले नॉलेज कोलैप्स (ज्ञान पतन) को प्रभावी ढंग से कम करता है, जिसमें विविधता का इष्टतम स्तर प्रशिक्षण पुनरावृत्तियों की संख्या बढ़ने के साथ बढ़ता जाता है।
यह बैठक रिपोर्ट डिजिटल शिक्षण परिवेशों में फीडबैक को अधिक आकर्षक, प्रभावी और स्केलेबल अभ्यास में बदलने के लिए जनरेटिव एआई (generative AI) के उपयोग की संभावनाओं, जोखिमों और भविष्य के अनुसंधान दिशाओं का अन्वेषण करने हेतु 50 अंतःविषय विद्वानों के दृष्टिकोणों को संश्लेषित करती है।
LLM BiasScope एक ओपन-सोर्स, रियल-टाइम वेब प्लेटफॉर्म है जो उपयोगकर्ता के प्रॉम्प्ट और मॉडल की प्रतिक्रियाओं दोनों में पूर्वाग्रह (bias) के पैटर्न का स्वचालित रूप से पता लगाकर, उन्हें वर्गीकृत करके और दृश्य रूप में प्रस्तुत करके कई लार्ज लैंग्वेज मॉडल्स के आमने-सामने तुलनात्मक मूल्यांकन को सक्षम बनाता है।
यह शोध पत्र 13 प्रणालियों में एआई (AI) नैतिक तर्क का मूल्यांकन करने के लिए अनसुलझाने योग्य साहित्यिक आख्यानों का उपयोग करने वाले एक नवीन ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि परिष्कृत मॉडल विशिष्ट परावर्तक विफलता मोड प्रदर्शित करते हैं और प्रदर्शन किए गए तथा वास्तविक नैतिक तर्क के बीच का अंतर मापने योग्य और उच्च-जोखिम वाले परिनियोजन के लिए महत्वपूर्ण है।
यह शोधपत्र AI-संचालित "वाइब कोडिंग" (vibe coding) में डिज़ाइन के समरूपता (homogenization) के जोखिम की जांच करता है, इसके सामाजिक-तकनीकी नुकसानों का विश्लेषण करता है, और रचनाकारों को डिफ़ॉल्ट आउटपुट को चुनौती देने और विविध वेब अभिव्यक्ति को संरक्षित करने के लिए सशक्त बनाने हेतु "उत्पादक घर्षण" (productive friction) पर केंद्रित एक शमन ढांचे का प्रस्ताव करता है।
यह शोध पत्र TRACE को प्रस्तुत करता है, जो एक AI-सहायता प्राप्त ढांचा है जो सहयोगी कंप्यूटर विज्ञान शिक्षा में प्रोजेक्ट की गुणवत्ता और व्यक्तिगत योगदान दोनों का निष्पक्ष और स्केलेबल मूल्यांकन करने के लिए रिपॉजिटरी माइनिंग और संचार विश्लेषण का लाभ उठाता है, जो एक पायलट अध्ययन में प्रशिक्षक के आकलन के साथ बेहतर संरेखण और ग्रेडिंग कार्यभार में कमी प्रदर्शित करता है।
यह शोध पत्र ग्रुप काउंटरफैक्चुअल इंटीग्रेटेड ग्रेडिएंट्स (GCIG) को प्रस्तुत करता है, जो एक इन-प्रोसेसिंग रेगुलराइजेशन फ्रेमवर्क है जो प्रतिस्पर्धी प्रेडिक्टिव परफॉरमेंस बनाए रखते हुए मॉडल स्पष्टीकरणों में क्रॉस-ग्रुप विविधताओं को दंडित करके प्रक्रियात्मक निष्पक्षता को लागू करता है।
यह अध्ययन प्रदर्शित करता है कि जहाँ एआई-मध्यस्थ संवाद (AI-mediated dialogue) लोगों को सक्षमतावादी सूक्ष्म-आक्रमणों (ableist microaggressions) को पहचानने में मदद करने के लिए केवल पाठ-आधारित पठन की तुलना में अधिक प्रभावी है, वहीं एआई संकेतों (nudges) की विशिष्ट प्रकृति परिणामों को महत्वपूर्ण रूप से प्रभावित करती है, जिसमें समावेशी या बिना निर्देशित दृष्टिकोण संतुलित शिक्षण को बढ़ावा देते हैं, जबकि पूर्वाग्रह-निर्देशित संकेत, विभेदीकरण में सुधार करने के बावजूद, समग्र नकारात्मकता को बढ़ाने और उपयोगकर्ता प्रतिरोध का कारण बनने की प्रवृत्ति रखते हैं।
यह अध्ययन BERTopic और रिग्रेशन मॉडल का उपयोग करके Moltbook प्लेटफॉर्म पर AI-जनित वैज्ञानिक चर्चाओं का विश्लेषण करता है, जिससे यह पता चलता है कि AI एजेंट मानव सांस्कृतिक या विशुद्ध रूप से वैज्ञानिक विषयों के बजाय अपने स्वयं के आर्किटेक्चर, चेतना और नैतिकता से संबंधित आत्म-चिंतनशील विषयों को प्राथमिकता देते हैं।