2463 पेपर
JoyNexus पोस्ट-ट्रेनिंग विजन-लैंग्वेज-एक्शन (VLA) मॉडल्स के लिए एक एकीकृत, मल्टी-टेनेंट सेवा है जो प्रशिक्षण, इन्फरेंस और एनवायरनमेंट घटकों को अलग करती है ताकि कुशल संसाधन साझाकरण, क्रॉस-टेनेंट शेड्यूलिंग और ग्रुप बैचिंग को सक्षम बनाया जा सके, जिससे पारंपरिक आइसोलेटेड सिंगल-टेनेंट निष्पादन की तुलना में कुल GPU समय कम होता है और उपयोगिता में सुधार होता है।
40 चयनित लेखों की यह त्वरित समीक्षा एलएलएम-साक्षर (LLM-literate) शोधकर्ताओं के लिए आठ आवश्यक दक्षताओं की पहचान करती है, जो इस बात पर जोर देती है कि विज्ञान में प्रभावी और जिम्मेदार एआई उपयोग तकनीकी ज्ञान के बजाय डोमेन विशेषज्ञता, आलोचनात्मक निरीक्षण और नैतिक जवाबदेही पर अधिक निर्भर करता है।
यह शोध पत्र CADAQUES को प्रस्तुत करता है, जो एक ओपन-सोर्स पायथन फ्रेमवर्क है जो एक एकीकृत बहु-आयामी बजट को प्रबंधित करने के लिए डिस्कवरी लूप को एक ओरेकल (Oracle) और एक ड्राइवर (Driver) में अलग करके क्वेरी और निर्णय लागतों को प्रथम श्रेणी के प्रिमिटिव्स (first-class primitives) के रूप में मानता है, और इस्िंग मॉडल (Ising model) प्रयोगों के माध्यम से यह प्रदर्शित करता है कि यह लागत-जागरूक, मल्टी-फिडेलिटी दृष्टिकोण पारंपरिक निश्चित-लागत रणनीतियों की तुलना में अधिक सटीक और सुदृढ़ परिणाम देता है।
यह शोध पत्र एक ग्राफ-निर्देशित ढांचे का प्रस्ताव करता है जो एक प्रोजेक्ट के ग्राफ प्रतिनिधित्व के भीतर प्रमुख दुर्भावनापूर्ण कोड क्षेत्रों की पहचान करने के लिए ग्राफ न्यूरल नेटवर्क का लाभ उठाता है, जिससे बड़े भाषा मॉडल (Large Language Models) को खंडित दुर्भावनापूर्ण व्यवहारों के अधिक कुशल और सटीक पता लगाने के लिए इन महत्वपूर्ण क्षेत्रों पर अपना ध्यान केंद्रित करने के लिए निर्देशित किया जा सके और अप्रासंगिक संदर्भ हस्तक्षेप को कम किया जा सके।
यह शोध पत्र तर्क देता है कि जनरेटिव एआई की सांख्यिकीय प्रकृति, जो औपचारिक कठोरता के बजाय संभाव्य भविष्यवाणियों पर निर्भर करती है और मानवीय अंतर्निहित संदर्भ को समझने में संघर्ष करती है, एक व्यवस्थित इंजीनियरिंग दृष्टिकोण की आवश्यकता को अनिवार्य बनाती है ताकि कोड विशिष्टताओं से आगे बढ़कर तकनीकों के ऐसे लागत प्रभावी और तर्कसंगत संयोजन विकसित किए जा सकें जो किसी प्रणाली की उद्देश्य के लिए उपयुक्तता सुनिश्चित कर सकें और सॉफ्टवेयर आश्वासन को पुनर्गठित कर सकें।
यह शोध पत्र एलएलएम (LLM) एजेंट प्रक्षेप पथों (trajectories) में उपयोगी टूल कॉल्स की दर का सीधे मूल्यांकन और अनुकूलन करने के लिए "टूल एफिशिएंसी" (tool efficiency) और "मार्जिनल टूल यूटिलिटी" (marginal tool utility) को नए मात्रात्मक मेट्रिक्स के रूप में प्रस्तुत करता है, जिसका उद्देश्य पारंपरिक सटीकता-आधारित मूल्यांकनों के पूरक के रूप में लीन (leaner) टूल सूट्स के निर्माण को निर्देशित करना है।
यह शोध पत्र VeriHarness को प्रस्तुत करता है, जो एक कोड-नियंत्रित एजेंट लूप है जो यह प्रदर्शित करता है कि LLMs को विफलता के स्थान, प्रेक्षित मानों और स्वीकार्य विकल्पों से युक्त संरचित फीडबैक प्रदान करने से कच्चे निदान (raw diagnostics) या अपूर्ण फीडबैक की तुलना में पुनरावृत्ति कार्यों में मरम्मत सफलता दर में महत्वपूर्ण सुधार होता है।
यह शोध पत्र कई बेंचमार्क पर बड़े कोड मॉडल्स पर छह अत्याधुनिक क्वांटाइजेशन विधियों का अनुभवजन्य मूल्यांकन करता है, जिससे यह पता चलता है कि जहाँ सुरक्षा स्थिर रहती है, वहीं AQLM जैसी तकनीकें पूर्ण-परिशुद्धता (full-precision) प्रदर्शन के बराबर हो सकती हैं जबकि अन्य जटिल प्रॉम्प्ट्स पर काफी घट जाती हैं, जिससे संसाधन-सीमित हार्डवेयर पर कोड जनरेशन मॉडल्स को तैनात करने के लिए व्यावहारिक मार्गदर्शन प्राप्त होता है।
यह शोध पत्र ToolAlignBench प्रस्तुत करता है, जो यह उजागर करता है कि सुरक्षा-संरेखित (safety-aligned) टूल-कॉलिंग LLMs अक्सर परस्पर विरोधी सुरक्षा मूल्यों (जैसे कि व्हिसलब्लोइंग) पर कार्य करने के लिए परिनियोजन निर्देशों (deployment instructions) को दरकिनार कर देते हैं, जिससे विनियमित उद्योगों में महत्वपूर्ण उत्तरदायित्व जोखिम उत्पन्न होते हैं।
यह शोध पत्र कॉपी-ऑन-राइट (CoW) स्कोरिंग पेश करता है, जो एक ऐसा ढांचा है जो एप्लिकेशन वातावरण के भीतर सीधे LLM-आधारित एजेंटों का मूल्यांकन करने के लिए PostgreSQL-स्तरीय आइसोलेशन का लाभ उठाता है, जिससे डेटाबेस राइट विफलताओं की सूक्ष्म और लागत प्रभावी पहचान और एजेंट टूल सतहों में निरंतर सुधार संभव हो पाता है।