23845 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि फ्लैट डॉक्यूमेंट स्टोर्स को एक स्ट्रक्चर्ड नॉलेज ग्राफ लेयर से बदलने से एलएलएम-आधारित औद्योगिक परिसंपत्ति संचालन की सटीकता 65% से बढ़कर लगभग पूर्ण सटीकता तक पहुँच जाती है, क्योंकि यह एलएलएम की भूमिका को कच्चे डेटा पर तर्क करने से बदलकर एक टाइप किए गए स्कीमा के विरुद्ध डिटरमिनिस्टिक क्वेरी जेनरेट करने में बदल देता है।
यह शोध पत्र 164 जावा चुनौतियों पर 13 लार्ज लैंग्वेज मॉडल्स में चार प्रॉम्प्टिंग रणनीतियों का मूल्यांकन करता है ताकि यह निर्धारित किया जा सके कि उन्हें सिंगलटन डिज़ाइन पैटर्न को लागू करने में मार्गदर्शन करने का सबसे अच्छा तरीका क्या है, जिसमें यह पाया गया कि इटरेटिव बाइनरी फीडबैक आम तौर पर इष्टतम है जबकि विशिष्ट निर्देश-आधारित दृष्टिकोण मॉडल के आधार पर पैटर्न अनुपालन में लगभग पूर्णता प्राप्त कर सकते हैं और कोड की कार्यक्षमता में महत्वपूर्ण सुधार कर सकते हैं।
यह शोध पत्र यह सिद्ध करके कि मौजूदा केंद्रीय प्रमेय केवल एक आवश्यक, न कि पर्याप्त शर्त प्रदान करता है, फैक्टर ग्राफ में कम्यूटेटिव कारकों का पता लगाने वाले अत्याधुनिक एल्गोरिदम में एक मौलिक त्रुटि को सुधारता है, और तत्पश्चात एक सुधारा गया एल्गोरिदम प्रस्तुत करता है जो दक्षता और शुद्धता दोनों सुनिश्चित करता है।
यह शोध पत्र EEG-FM-Audit प्रस्तुत करता है, जो एक व्यवस्थित मूल्यांकन पाइपलाइन है जिसमें ASHA-संचालित बेंचमार्किंग, पैराडाइम-स्तरीय एब्लेशन और न्यूरोफिज़ियोलॉजिकल प्रोबिंग शामिल है ताकि EEG फाउंडेशन मॉडल्स में पारदर्शिता संबंधी समस्याओं को संबोधित किया जा सके, जो यह प्रकट करता है कि अनुकूलित सुपरवाइज्ड बेसलाइन्स अक्सर इन मॉडल्स से बेहतर प्रदर्शन करते हैं और उनके शारीरिक विशेषताओं (फिजियोलॉजिकल फीचर्स) पर निर्भरता के बारे में अधिक गहरी अंतर्दृष्टि प्रदान करते हैं।
यह शोध पत्र तर्क की कठिनाई के दो आयामों (गहराई और जटिलता) और चार तर्क परिवारों (reasoning families) में 'वेरिफिएबल रिवॉर्ड्स के साथ रिइन्फोर्समेंट लर्निंग' (RLVR) का अध्ययन करने के लिए एक नियंत्रित सिंथेटिक वातावरण प्रस्तुत करता है, जो यह प्रकट करता है कि इन कारकों का संयुक्त कवरेज और समान डेटा मिश्रण, एकल-अक्ष या चरणबद्ध दृष्टिकोणों की तुलना में बेहतर प्रदर्शन करते हैं, जबकि वर्तमान मॉडलों में एक निरंतर डीडक्टिव-ओवर-एबडक्टिव (deductive-over-abductive) विषमता को भी उजागर करते हैं।
यह शोध पत्र "बियॉन्ड क्वेश्चन्स" (BeQu) को प्रस्तुत करता है, जो एक नया ओपन नॉलेज इवैल्यूएशन प्रतिमान है जो बड़े भाषा मॉडलों का मूल्यांकन पूर्व-निर्धारित प्रश्नों के बजाय ओपन-एंडेड एलिसिटेशन के माध्यम से स्वाभाविक रूप से व्यक्त किए गए उनके ज्ञान पर करता है, जो स्केल और रीजनिंग एफर्ट जैसे विभिन्न कारकों पर मॉडल की क्षमताओं के बारे में महत्वपूर्ण अंतर्दृष्टि प्रकट करता है।
यह शोध पत्र एक हाइब्रिड न्यूरो-सिंबोलिक सत्यापन आर्किटेक्चर प्रस्तावित करता है जो उच्च-जोखिम वाले, डेटा-संवेदनशील डोमेन के लिए एलएलएम (LLM) द्वारा जनरेट की गई सामग्री में मतिभ्रम (hallucinations) का प्रभावी ढंग से पता लगाने और विश्वसनीयता सुनिश्चित करने के लिए औपचारिक तार्किक तर्क को न्यूरल सिमेंटिक विश्लेषण के साथ जोड़ता है, जैसा कि रिपोर्ट निर्माण समय में 30% की कमी और एक वास्तविक दुनिया के चिकित्सा उपकरण मूल्यांकन प्रणाली में उच्च पहचान दरों द्वारा प्रमाणित किया गया है।
यह शोध पत्र JuICE को प्रस्तुत करता है, जो एक बहुभाषी बेंचमार्क डेटासेट है जिसे सूक्ष्म, संदर्भ-निर्भर सांस्कृतिक त्रुटियों का पता लगाने में LLM-जजों की सीमाओं का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान मॉडल उन "घने" (thick) सांस्कृतिक बारीकियों को पहचानने में संघर्ष करते हैं जिन्हें मूल वक्ता आसानी से पहचान लेते हैं।
यह शोध पत्र Recon प्रस्तुत करता है, जो एक ऐसी विधि है जो तर्क संबंधी निशानों (reasoning traces) को उनकी उपयोगकर्ता क्रियाओं को भविष्योन्मुखी रूप से पुनर्निर्मित करने की क्षमता के आधार पर स्कोर और संश्लेषित करके उपयोगकर्ता मॉडलिंग में सुधार करती है, जिससे अप्रभावी उत्तरवर्ती औचित्य (post-hoc rationalization) से आगे बढ़कर वास्तविक कारण संबंधी निर्णय पथों को कैप्चर किया जा सके।
यह शोध पत्र एक नवीन एल्गोरिदम का प्रस्ताव करता है जो अनुकूलन मॉडलों (optimization models) के एक सुदृढ़ पोर्टफोलियो को बनाने के लिए बड़े भाषा मॉडलों (large language models) को स्टोकेस्टिक जनरेटर और रीजनिंग इवैल्यूएटर दोनों के रूप में उपयोग करता है, जो यह सैद्धांतिक गारंटी प्रदान करता है कि सिद्धांतिक मानव चयन के लिए उच्च गुणवत्ता वाले उम्मीदवारों को शामिल किया गया है।