20089 पेपर
यह अध्ययन खुले-अंत वाले सर्वेक्षण प्रतिक्रियाओं के विश्लेषण के लिए बड़े भाषा मॉडलों (LLMs) की पारंपरिक मशीन लर्निंग से तुलना करता है, जिसमें यह पाया गया है कि जहाँ LLMs जटिल विषयों और भावनाओं को समझने में बेहतर वर्गीकरण सटीकता प्राप्त करते हैं, वहीं वे अपने तर्क में निरंतरता और व्याख्यात्मकता के संबंध में महत्वपूर्ण समझौते प्रस्तुत करते हैं।
यह शोध पत्र CANDI-QA प्रस्तुत करता है, जो एक नवीन बेंचमार्क डेटासेट है जिसे विशेषज्ञ-क्यूरेटेड तथ्यात्मक और तर्क संबंधी कार्यों के माध्यम से विशिष्ट डोमेन में सटीक, संदर्भ-संवेदनशील और उपयोगकर्ता-अनुरूप उत्तर देने में लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने के लिए डिज़ाइन किया गया है, साथ ही यह वर्तमान मॉडल्स की मजबूत प्रासंगिक संरेखण प्राप्त करने की सीमाओं को संबोधित करने के लिए MTSS-Net फ्रेमवर्क का प्रस्ताव भी देता है।
यह शोधपत्र नॉन-स्टेशनरी इन-कॉन्टेक्स्ट रीइन्फोर्समेंट लर्निंग (ICRL) पर एक सर्वेक्षण प्रस्तुत करता है, जो वर्तमान कार्य के नियमों और संचित संदर्भ की प्रासंगिकता दोनों का अनुमान लगाकर बदलते परिवेश के प्रति फिक्स्ड-पैरामीटर नीतियों को अनुकूलित करने की चुनौती को संबोधित करता है, जबकि मौजूदा साहित्य को पर्यावरणीय परिवर्तनों की प्रकृति, गतिशीलता और अवलोकन क्षमता के इर्द-गिर्द व्यवस्थित करता है।
यह शोध पत्र "DoYouRemember" प्रस्तुत करता है, जो एक स्मृति-केंद्रित मल्टीमॉडल AI आर्किटेक्चर है जो मानक वन-शॉट प्रोसेसिंग को एक साझा मैट्रिक्स और स्थानीय EMA अपडेट का उपयोग करने वाली एक पुनर्रचनात्मक स्मृति प्रणाली से बदल देता है, यह प्रदर्शित करते हुए कि LLM हिडन स्टेट्स विजुअल जानकारी को त्याग देते हैं और मतिभ्रम (hallucination) को दोष के बजाय लॉसवी मेमोरी डीकंप्रेशन के एक अंतर्निहित गुण के रूप में पुनर्परिभाषित करते हैं।
यह शोध पत्र एक सॉफ्टमैक्स चॉइस मॉडल का उपयोग करके व्यक्तिपरक अपेक्षित उपयोगिता (SEU) अधिकतमकरण के प्रति एक एजेंट की संवेदनशीलता को मापने के लिए एक पद्धतिगत ढांचे को प्रस्तुत करता है, जो कठोर बेयसियन सत्यापन के माध्यम से पहचान क्षमता (identifiability) के परिणामों और परिमित-नमूना सीमाओं को स्थापित करता है, और बीमा एवं अर्न-चॉइस कार्यों पर बड़े भाषा मॉडलों के बीच संरचित निर्णय लेने के अंतरों का पता लगाने में इस दृष्टिकोण की व्यावहारिक उपयोगिता को प्रदर्शित करता है।
यह शोध पत्र प्रकट करता है कि एक यथार्थवादी, क्वेरी-अज्ञेय (query-agnostic) प्रोटोकॉल के तहत—जहाँ संपीड़न (compression) प्रश्न देखने से पहले होता है—KV-कैश संपीड़न विधियों का मूल्यांकन करना, मानक क्वेरी-जागरूक (query-aware) मूल्यांकनों की तुलना में प्रदर्शन रैंकिंग को महत्वपूर्ण रूप से बदल देता है, जो अक्सर SnapKV जैसी उन्नत विधियों को सरल बेसलाइन से कम प्रदर्शन करने पर मजबूर करता है और KeyDiff को सबसे सुदृढ़ समाधान के रूप में उजागर करता है।
यह शोध पत्र एक संयुक्त अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक एकल Apple M5 Max पर Qwen3.6-27B मॉडल के ऑन्टोलॉजी-एम्प्लीफाइड डिस्टिलेशन से प्राप्त वियतनामी वित्तीय कार्य ग्राउंडिंग, GPT-5 बेसलाइन के तुलनीय है लेकिन श्रेष्ठता सिद्ध करने के लिए इसमें सांख्यिकीय शक्ति का अभाव है, जबकि एक समवर्ती कॉन्टेक्सचुअलिटी-ऑडिट पायलट नकारात्मक परिणाम देता है जो शून्य अवशिष्ट कॉन्टेक्सचुअलिटी को इंगित करता है, जो सामूहिक रूप से संप्रभु उद्यम भाषा मॉडलों के लिए तैनात करने योग्यता, सुरक्षा या सांख्यिकीय समानता स्थापित करने में विफल रहता है।
यह शोध पत्र BAT-RM प्रस्तुत करता है, जो सर्वाइकल कैंसर रेडियोथेरेपी ऑटो-कंटूरिंग के लिए बाउंड्री-अवेयर ट्रांसफॉर्मर और रीजन-अवेयर मल्टी-डायरेक्शनल मांबा को संयोजित करने वाला एक नैदानिक रूप से तैनात हाइब्रिड आर्किटेक्चर है, जो बेहतर सटीकता प्राप्त करता है, कंटूरिंग समय को 80% से अधिक कम करता है, और उन्नत एआई अनुसंधान एवं वास्तविक दुनिया के नैदानिक परिनियोजन के बीच के अंतर को पाटकर उसी दिन उपचार शुरू करने में सक्षम बनाता है।
यह शोध पत्र GRID को प्रस्तुत करता है, जो एक व्याकरण-प्रतिबंधित डिकोडिंग इंजन है जो सिंटैक्टिक रूप से वैध, नीति-अनुपालन योग्य SQL उत्पन्न करने के लिए LALR(1) पार्सर अवस्थाओं और बाइट-स्तरीय ट्राइ वॉक (byte-level trie walks) का लाभ उठाता है, जिसमें प्रमाणित गारंटी, लगभग स्थिर डिकोडिंग लागत और छेड़छाड़-रोधी ऑडिट ट्रेल शामिल हैं, जो उद्यम परिवेशों में निष्पादन सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक ग्राफ-प्रतिबंधित नीति शिक्षण (graph-constrained policy learning) दृष्टिकोण का प्रस्ताव करता है जो नैदानिक कोड भविष्यवाणी को एक पदानुक्रमित निर्णय प्रक्रिया के रूप में रूपायित करता है, और यह प्रदर्शित करता है कि ICD-10-CM संरचना के माध्यम से यात्रा करने वाला एक एकल भाषा मॉडल, दुर्लभ-कोड बाधा (rare-code bottleneck) को प्रभावी ढंग से कम करके, MIMIC-IV डेटा पर फ्लैट बेसलाइन और जटिल कैस्केड या सुदृढीकरण शिक्षण विकल्पों से बेहतर प्रदर्शन करता है।