2206 पेपर
यह शोध पत्र मेट्रो नैशविले के साथ साझेदारी में आपातकालीन कॉल लेने वालों के लिए एक जनरेटिव एआई-संचालित प्रशिक्षण प्रणाली के डिजाइन, परिनियोजन और मूल्यांकन को प्रस्तुत करता है, जो गंभीर स्टाफिंग और स्केलेबिलिटी चुनौतियों का सामना कर रहे सुरक्षा-महत्वपूर्ण सार्वजनिक क्षेत्र के वातावरण में एआई-संचालित समाधानों के कार्यान्वयन के मार्गदर्शन हेतु वास्तविक दुनिया के उपयोग डेटा से चार प्रमुख सबक निकालता है।
यह अध्ययन प्रदर्शित करता है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) नीतिगत मूल्यांकनों में महत्वपूर्ण भू-राजनीतिक पूर्वाग्रह प्रदर्शित करते हैं, जहाँ वे समान नीतियों को अमेरिका या यूरोपीय संघ की तुलना में चीन या रूस द्वारा समर्थित होने पर व्यवस्थित रूप से कम रेटिंग देते हैं, और ये विसंगतियाँ मॉडल के आधार पर तथा यह निर्भर करते हुए बनी रहती हैं या तीव्र हो जाती हैं कि औचित्य माँगा गया है या नहीं।
यह शोध पत्र यह प्रकट करने के लिए DAO गवर्नेंस का विश्लेषण करता है कि मतदान शक्ति का संकेंद्रण व्यवस्थित रूप से गैर-तटस्थ डिज़ाइन विशेषताओं—विशेष रूप से लेखक-चयनित विकल्पों, अनुमोदन-उन्मुख दृष्टिकोणों और सूची स्थिति—द्वारा संचालित होता है, जो यह सुझाव देता है कि इंटरफ़ेस और सामाजिक संकेत महत्वपूर्ण संस्थागत डिज़ाइन विकल्प के रूप में कार्य करते हैं न कि तटस्थ कार्यान्वयन विवरण के रूप में।
विशेषज्ञों के साथ गुणात्मक साक्षात्कारों के माध्यम से, यह शोध पत्र निष्कर्ष निकालता है कि जबकि XAI विधियाँ AI विकास के दौरान पूर्वाग्रहों और विफलताओं की पहचान करने के लिए मूल्यवान हैं, पूर्ण प्रणाली संबंधी जानकारी प्रदान करने में व्याख्यात्मकता (explainability) की अंतर्निहित सीमाओं के कारण सुरक्षित AI के व्यापक प्रमाणन के लिए उनकी उपयोगिता सीमित रहने की उम्मीद है।
यह शोध पत्र MultiFair को प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल मेडिकल क्लासिफिकेशन फ्रेमवर्क है जो डेटा मोडैलिटी और ग्रुप दोनों स्तरों पर प्रशिक्षण ग्रेडिएंट्स को गतिशील रूप से समायोजित करके मोडैलिटी लर्निंग असंतुलन और जनसांख्यिकीय निष्पक्षता के मुद्दों को एक साथ संबोधित करने के लिए ड्यूल-लेवल ग्रेडिएंट मॉड्यूलेशन का उपयोग करता है।
VectorizationLLM गूगल के ओपन-वेट LLMs पर निर्मित एक विशिष्ट RAG-आधारित AI सहायक है, जिसे CTEC 247 पाठ्यक्रम के छात्रों को उनकी समस्याओं को सीधे हल किए बिना, वेक्टरज़ेशन और कम्प्यूटेशनल विश्लेषण की अवधारणाओं के विस्तृत, उदाहरण-समृद्ध स्पष्टीकरण प्रदान करके सहायता करने के लिए बनाया गया है।
यह शोध पत्र बड़े भाषा मॉडल (LLMs) को मापन उपकरणों के रूप में उपयोग करते हुए सामाजिक विज्ञान अनुसंधान में सत्यापन प्रथाओं का व्यवस्थित रूप से विश्लेषण करता है, जो यह प्रकट करता है कि जबकि LLM-जनित डेटा अनुभवजन्य विश्लेषणों के लिए केंद्रीय है, वर्तमान सत्यापन विधियाँ असंगत और सीमित हैं, जिससे लेखक अधिक सुदृढ़ सत्यापन के लिए उभरते मानदंडों और रणनीतियों का प्रस्ताव करते हैं।
यह शोध पत्र LLMs में शैक्षिक नियंत्रण का मूल्यांकन करने के लिए एक ब्लूम-संरेखित (Bloom-aligned) ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि Qwen3-Next जैसे मॉडल प्रोग्रामिंग कार्यों की संज्ञानात्मक मांग (cognitive demand) को विश्वसनीय रूप से बढ़ाने में सक्षम हैं, वे इसे कम करने में संघर्ष करते हैं, जो यह दर्शाता है कि मजबूत निष्पादन प्रदर्शन विशिष्ट शिक्षण उद्देश्यों के लिए कार्यों को अनुकूलित करने की क्षमता की गारंटी नहीं देता है।
यह शोध पत्र PLURAL को प्रस्तुत करता है, जो 92 देशों के 'इंटीग्रेटेड वैल्यूज सर्वे' से प्राप्त एक बड़े पैमाने का डेटासेट है जो विविध, गैर-पश्चिमी सांस्कृतिक मूल्यों के साथ लार्ज लैंग्वेज मॉडल के संरेखण (अलाइनमेंट) में सुधार करने के लिए सिंथेटिक प्राथमिकता ट्रिपलेट्स (preference triplets) उत्पन्न करता है, जो स्वचालित मेट्रिक्स और मानव मूल्यांकन दोनों में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र "परसोना कोलैप्स" (persona collapse) को एक महत्वपूर्ण विफलता मोड के रूप में पहचानता है जहाँ बड़े भाषा मॉडल संदर्भ की परवाह किए बिना एक एकल सहायक व्यक्तित्व (persona) पर डिफ़ॉल्ट हो जाते हैं, और जबकि उनकी प्रस्तावित "इनवर्स-प्रोसेस डिस्टिलेशन" विधि स्थितिजन्य अनुकूलन क्षमता में महत्वपूर्ण सुधार करती है, मानव विशेषज्ञ अंततः मॉडलों की मूल संकुचित (collapsed) प्रतिक्रियाओं को ही पसंद करते हैं, विशेष रूप से उन परिदृश्यों में जिनमें चुनौती देने की आवश्यकता होती है।