2257 पेपर
यह शोध पत्र SparkMe को प्रस्तुत करता है, जो एक मल्टी-एजेंट LLM सिस्टम है जो पूर्व-निर्धारित विषय कवरेज और उभरते विषयों की खोज के बीच संतुलन बनाने के लिए अनुकूलन योग्य अर्ध-संरचित साक्षात्कार को एक अनुकूलन समस्या (optimization problem) के रूप में तैयार करता है, जो मौजूदा दृष्टिकोणों की तुलना में स्वचालित बेंचमार्क और मानव अध्ययनों दोनों में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र तर्क देता है कि डेटा प्रणालियों में "विस्मृति" (forgetting) को केवल एक साधारण विलोपन प्रक्रिया के बजाय एक बहुआयामी सामाजिक-तकनीकी अभ्यास के रूप में पुनर्गठित किया जाना चाहिए—जो विलोपन (erasure), अनलर्निंग (unlearning) और अपवर्जन (exclusion) के बीच अंतर करता है—और नियामक अनुपालन को ज्ञान संबंधी न्याय और जवाबदेही के साथ संतुलित करने के लिए इसे ज्ञान संबंधी बुनियादी ढांचों में एक प्रथम-श्रेणी की क्षमता के रूप में एकीकृत करने का समर्थन करता है।
यह शोध पत्र रिकॉर्ड मिलान में स्कोर पूर्वाग्रह को मापने के लिए एक थ्रेशोल्ड-स्वतंत्र मीट्रिक प्रस्तुत करता है और दो मॉडल-अज्ञेय (मॉडल-एग्नोस्टिक) पोस्ट-प्रोसेसिंग विधियों, Calib और C-Calib का प्रस्ताव देता है, जो अंतर्निहित मॉडलों को पुन: प्रशिक्षित किए बिना ऑप्टिमल ट्रांसपोर्ट के माध्यम से समूह-वार स्कोर वितरण को संरेखित करके डेमोग्राफिक पैरिटी और इक्वलाइज्ड ऑड्स विसंगतियों को प्रभावी ढंग से कम करते हैं।
FairSHAP एक नवीन, मॉडल-अज्ञेय (model-agnostic) प्रीप्रोसेसिंग फ्रेमवर्क है जो क्रॉस-ग्रुप मैचिंग के माध्यम से फेयरनेस-क्रिटिकल इंस्टेंसों की पहचान करने और उन्हें व्यवस्थित रूप से संशोधित करने के लिए शापली वैल्यू एट्रिब्यूशन का उपयोग करके मशीन लर्निंग में व्यक्तिगत और समूह निष्पक्षता को बढ़ाता है, जिससे डेटा अखंडता और मॉडल सटीकता को संरक्षित करते हुए भेदभावपूर्ण जोखिम को कम किया जाता है।
यह शोध पत्र ड्रोन, गुब्बारों और उपग्रहों का उपयोग करके हवाई क्वांटम नेटवर्क को लागू करने के परिचालन तंत्र, तकनीकी चुनौतियों और संभावित समाधानों की समीक्षा करता है ताकि ग्राउंड स्टेशनों के साथ एकीकरण किया जा सके और एक स्केलेबल वैश्विक क्वांटम इंटरनेट प्राप्त किया जा सके।
यह शोध पत्र USE24-XD को प्रस्तुत करता है, जो लगभग 100k अमेरिकी चुनाव संबंधी सोशल मीडिया पोस्ट का एक बड़े पैमाने का, मल्टी-लेबल डेटासेट है, जिसे छह LLMs के "विजडम-ऑफ-द-क्राउड" द्वारा एनोटेट किया गया है और मानव रेटर्स के विरुद्ध सत्यापित किया गया है ताकि हानिकारक सामग्री का स्केलेबल पता लगाने में सक्षम बनाया जा सके और लेबलिंग व्यवहारों में व्यवस्थित व्यक्तिपरकता को प्रकट किया जा सके।
यह शोध पत्र तर्क देता है कि शैक्षिक एआई प्रणालियों को, जो वर्तमान में अनियंत्रित ज्ञानमीमांसीय अधिकार का प्रयोग करती हैं, संरचनात्मक पारदर्शिता, लोकतांत्रिक जवाबदेही और वितरित विशेषज्ञता के एकीकरण को सुनिश्चित करने के लिए ओपन कॉग्निटिव ग्राफ्स और एक ट्रंक-ब्रांच मॉडल के कार्यान्वयन के माध्यम से सार्वजनिक संज्ञानात्मक बुनियादी ढांचे के रूप में शासित किया जाना चाहिए।
यह अध्ययन प्रदर्शित करता है कि मल्टी-एजेंट सिस्टम में एविडेंस-सेंटर्ड डिज़ाइन को एकीकृत करने से मानव-विकसित मदों के तुलनीय गुणवत्ता के साथ NGSS-संरेखित विज्ञान मूल्यांकन का प्रभावी ढंग से स्वचालन किया जा सकता है, जबकि समावेशिता में विशिष्ट शक्तियों और स्पष्टता एवं मल्टीमॉडल डिज़ाइन में सीमाओं को रेखांकित करता है जिनके लिए निरंतर मानव निरीक्षण की आवश्यकता होती है।
यह अध्ययन ऐप स्टोर समीक्षाओं पर टॉपिक मॉडलिंग, ज़ीरो-शॉट क्लासिफिकेशन और सेंटीमेंट एनालिसिस को संयोजित करने वाले एक नेचुरल लैंग्वेज प्रोसेसिंग फ्रेमवर्क का उपयोग करता है ताकि एआई-संचालित मानसिक स्वास्थ्य ऐप्स में स्थापित और उभरती दोनों नैतिक चिंताओं की पहचान की जा सके, और अंततः उनकी निष्पक्षता, पारदर्शिता और विश्वसनीयता को बढ़ाने के लिए एक प्रणाली प्रस्तावित की जा सके।
यह शोध पत्र तर्क देता है कि एजेंटिक एआई सुरक्षा बेंचमार्क को पृथक एजेंट सटीकता के मूल्यांकन से हटकर मानव-एआई युग्मों (human-AI dyads) की विश्वसनीयता के आकलन की ओर स्थानांतरित होना चाहिए, जो इस बात पर जोर देता है कि कैसे अपूर्ण एआई सिस्टम ज्ञात मानवीय विफलताओं के विरुद्ध रेडंडेंट (redundant), असंबंधित त्रुटि मोड प्रदान करके समग्र सुरक्षा को बढ़ा सकते हैं।