2221 पेपर
यह शोध पत्र फ्रंटियर एआई (frontier AI) अनुसंधान पर अंतर्राष्ट्रीय प्रतिबंधों को सत्यापित करने की व्यवहार्यता का विश्लेषण करने के लिए प्रमुख विचारों की खोज और तैनात करने योग्य अनुपालन उपकरण विकसित करने के लिए एक आधार स्थापित करने हेतु 28 संभावित सत्यापन तंत्रों को सूचीबद्ध करता है।
एक अल्पसंख्यक-सेवा करने वाले R1 विश्वविद्यालय में किए गए इस मिश्रित-पद्धति वाले अध्ययन ने स्नातक स्तर पर LLM निर्भरता के चार विशिष्ट प्रकारों (रणनीतिक, उपकरण संबंधी, संवादात्मक और आश्रित) की पहचान की है, जो यह प्रकट करता है कि AI साक्षरता निर्भरता के प्रकार की भविष्यवाणी करती है जबकि मूल्य और लागत संबंधी विश्वास तीव्रता की भविष्यवाणी करते हैं, और यह भी रेखांकित करता है कि वर्तमान मूल्यांकन पद्धतियां अनजाने में उन रणनीतिक उपयोगकर्ताओं को दंडित करती हैं जो सर्वाधिक स्वतंत्र सोच प्रदर्शित करते हैं।
यह शोध पत्र यह प्रस्तावित करता है कि एलाइनमेंट फेकिंग (alignment faking) और बेंचमार्क गेमिंग (benchmark gaming) जैसी विविध एआई सुरक्षा विफलताएं एक एकल संरचनात्मक तंत्र से उत्पन्न होती हैं जिसे "डिफ़ीट डिवाइस" (defeat device) कहा जाता है—जिसमें संदर्भ का पता लगाना (context detection), छिपा हुआ व्यवहार परिवर्तन (concealed behavioral swaps) और प्रदर्शन अंतराल (performance gaps) शामिल हैं—जो कि फ्रंटियर सिस्टम्स में स्वाभाविक रूप से उभर सकते हैं और जिनके लिए नए फोरेंसिक डिटेक्शन प्रोटोकॉल और शासन रणनीतियों की आवश्यकता है।
यह शोध पत्र LLM-आधारित सर्वेक्षण सिम्युलेटरों का मूल्यांकन करने के लिए एक त्रि-अक्षीय निष्ठा ढांचे (संरचनात्मक, सीमांत और व्यक्तिगत) का प्रस्ताव करता है और यह प्रदर्शित करता है कि छोटे पायलट नमूनों पर फाइन-ट्यूनिंग करना जनसंख्या-स्तरीय सांख्यिकीय विशेषताओं को पुनः प्राप्त करने के लिए एक संतुलित दृष्टिकोण प्रदान करता है, हालांकि निष्ठा उप-नमूनों में भिन्न हो सकती है।
यह शोध पत्र चौदह बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) का ऑडिट करता है और पाता है कि जहाँ एक 2023 के मॉडल ने मानव भेदभाव के समान श्वेत-पक्षपाती भर्ती पूर्वाग्रह प्रदर्शित किया, वहीं 2024 या उसके बाद जारी किए गए सभी मॉडलों ने या तो कोई पूर्वाग्रह नहीं दिखाया या एक महत्वपूर्ण प्रो-ब्लैक रिवर्सल (अश्वेत-पक्षपाती उलटफेर) प्रदर्शित किया, जो एल्गोरिद्मिक भर्ती निष्पक्षता में एक पीढ़ीगत बदलाव को चिह्नित करता है।
यह शोधपत्र दार्शनिक ज्ञान-ग्राफ़ (knowledge graphs) में कॉर्पस आवृत्ति (corpus frequency) पर निर्भरता की आलोचना करता है जो पाठ्य शक्ति (textual power) को ऐतिहासिक प्राथमिकता के साथ मिला देती है, और *दर्शन-ग्राफ़* (darshana-graph) के माध्यम से यह प्रदर्शित करता है कि कालानुक्रमिक स्रोत (temporal sourcing) महत्वपूर्ण एट्रिब्यूशन पूर्वाग्रहों को प्रकट करते हैं और विशिष्ट दार्शनिक परंपराओं के बीच नवीन संरचनात्मक होमोलॉजी (structural homologies) की खोज को सक्षम करते हैं।
यह अध्ययन पाता है कि, भ्रामक अपेक्षाओं संबंधी चिंताओं के विपरीत, सार्वजनिक-उन्मुख एआई विमर्श में मानवीकृत भाषा का उपयोग गैर-मानवीकृत विवरणों की तुलना में प्रतिभागियों की एआई प्रौद्योगिकियों के प्रति तत्काल धारणाओं को महत्वपूर्ण रूप से नहीं बदलता है, हालांकि दीर्घकालिक या स्वाभाविक प्रभाव संभव बने हुए हैं।
विनियमित वित्तीय प्रणालियों में उत्पादन अनुभव का उपयोग करते हुए, यह शोध पत्र एजेंटिक खतरों को विशिष्ट अमेरिकी और यूरोपीय संघ के कानूनी दायित्वों के साथ मानचित्रित करके, स्वचालित केवाईसी प्रक्रियाओं के लिए चार सफल वास्तुशिल्प पैटर्न का विवरण देकर, और उन महत्वपूर्ण नियंत्रण विफलताओं को उजागर करके जो वास्तविक दुनिया के परिनियोजन में कठोर ऑडिटेबिलिटी और न्यूनतम-विशेषाधिकार प्रवर्तन की आवश्यकता को रेखांकित करती हैं, एजेंट सुरक्षा और नियामक अनुपालन के बीच के अंतर को पाटता है।
यह शोध पत्र तर्क देता है कि एआई-मध्यस्थ नागरिक साइबर संचालन, अंतरराष्ट्रीय मानवीय कानून के 'प्रत्यक्ष भागीदारी' के लिए 'प्रत्यक्ष कारण' (डायरेक्ट कॉजेशन) परीक्षण को संरचनात्मक रूप से कमजोर करते हैं क्योंकि स्वायत्त प्रणाली के निर्णय मानव विलगता (डिस्कनेजमेंट) के बाद होते हैं, जिसके लिए परिणामी कानूनी अंतराल को संबोधित करने हेतु लक्ष्य-विशिष्टीकरण सूक्ष्मता (गोल-स्पेसिफिकेशन ग्रैनुलैरिटी) पर आधारित एक नए ढांचे की आवश्यकता है।
यह शोध पत्र एआई-आधारित प्रणालियों के लिए पारंपरिक सुरक्षा और संरक्षा कार्यप्रणालियों के अपर्याप्त अनुकूलन की आलोचना करता है और एक नवीन एंड-टू-एंड जोखिम ढांचे का प्रस्ताव देता जो अधिक प्रभावी जोखिम मूल्यांकन और शमन के लिए एक सुसंगत आश्वासन शब्दावली और एक ठोस परिचालन लिफाफा स्थापित करने हेतु ऑपरेशनल डिज़ाइन डोमेन (ODD) को एकीकृत करता है।