20089 पेपर
यह शोध पत्र BizFinBench.v2 को प्रस्तुत करता है, जो चीनी और अमेरिकी इक्विटी बाजारों के वास्तविक उपयोगकर्ता डेटा का उपयोग करने वाला एक व्यापक द्विभाषी बेंचमार्क है, जो यह प्रकट करता है कि DeepSeek-R1 के उत्कृष्ट प्रदर्शन के बावजूद, वर्तमान अत्याधुनिक मॉडल अभी भी व्यावहारिक व्यावसायिक आवश्यकताओं पर खरे नहीं उतरते हैं।
यह शोध पत्र BiasLab को प्रस्तुत करता है, जो एक बहुभाषी डुअल-फ्रेमिंग फ्रेमवर्क है जो कार्यस्थल और एचआर के छह विषयों में दस बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में दिशात्मक पूर्वाग्रहों को व्यवस्थित रूप से परिमाणित करता है, जो निरंतर असममित प्राथमिकता पैटर्न को प्रकट करता है जिन्हें एकल-फ्रेम मूल्यांकन का पता लगाने में विफल रहता है।
यह शोध पत्र एंग्राम (Engram) को प्रस्तुत करता है, जो एक स्केलेबल कंडीशनल मेमोरी मॉड्यूल है जो -ग्राम एम्बेडिंग्स को लुकअप के लिए आधुनिक बनाता है, जो एक यू-आकार (U-shaped) की स्पर्सिटी एलोकेशन लॉ को प्रकट करता है जो न्यूरल कंप्यूटेशन और स्टैटिक मेमोरी के बीच के ट्रेड-ऑफ को अनुकूलित करता है ताकि लार्ज लैंग्वेज मॉडल्स में रीजनिंग, कोड और लॉन्ग-कॉन्टेक्स्ट रिट्रीवल प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र तर्क देता है कि निरंतर असहमति द्वारा अभिलक्षित डेटा प्रणालियों में, एक तटस्थ आधार (न्यूट्रल सबस्ट्रेट) को कम से कम नौ रूपांतरण-अपरिवर्तनीय पहचान व्यवस्थाओं (ट्रांसफॉर्मेशन-इनवेरिएंट आइडेंटिटी रिजीम्स) के बीच अंतर करना चाहिए—जो छह स्पष्ट संदर्भ प्रकारों से अधिक है—ताकि उन व्याख्यात्मक परंपराओं पर निर्भर किए बिना संदर्भ को संरचनात्मक रूप से स्थिर किया जा सके जो निरंतर संघर्ष का सामना नहीं कर सकतीं।
यह शोध पत्र INFORM को प्रस्तुत करता है, जो एक व्याख्यात्मकता ढांचा (interpretability framework) है जो मल्टी-एक्सपर्ट LLM सिस्टम में विशेषज्ञ अंतःक्रिया संरचना (expert interaction structure) को आंतरिक कार्यात्मक महत्व (intrinsic functional importance) से अलग करता है, यह प्रकट करते हुए कि बार-बार रूट किए जाने वाले विशेषज्ञ अक्सर गैर-महत्वपूर्ण हब के रूप में कार्य करते हैं जबकि कम चुने जाने वाले विशेषज्ञ संरचनात्मक रूप से महत्वपूर्ण होते हैं, जिससे आवश्यकता के प्रॉक्सी के रूप में रूटिंग फ्रीक्वेंसी (routing frequency) को चुनौती मिलती है।
यह शोधपत्र SynthSAEBench प्रस्तुत करता है, जो एक स्केलेबल बेंचमार्क और टूलकिट है, जो स्पार्स ऑटोएन्कोडर आर्किटेक्चर का कठोरता से मूल्यांकन करने, सुपरपोजिशन नॉइज़ (superposition noise) के प्रति ओवरफिटिंग जैसे विफलता मोड का निदान करने, और वास्तविक LLMs पर उन्हें लागू करने से पहले सुधारों के लिए एक नियंत्रित लोअर-बाउंड टेस्ट स्थापित करने के लिए ग्राउंड-ट्रुथ फीचर्स वाले यथार्थवादी सिंथेटिक डेटा का उपयोग करता है।
यह शोध पत्र टर्बो कनेक्शन (TurboConn) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो उच्च से निम्न परतों तक कई रेसिडुअल कनेक्शनों को रूट करके प्री-ट्रेंड LLMs की तर्क क्षमताओं को बढ़ाता है, जिससे फिक्स्ड-डेप्थ कंप्यूटेशनल बाधाओं को दूर किया जा सके और पूर्ण मॉडल रिट्रेनिंग की आवश्यकता के बिना जटिल मल्टी-स्टेप कार्यों पर सटीकता में उल्लेखनीय सुधार किया जा सके।
यह शोधपत्र फ्रांसीसी नागरिक संहिता (French Civil Code) के अंतर्निहित उद्धरणों (implicit citations) का पता लगाने के लिए एक बेंचमार्क प्रस्तुत करता है और यह प्रदर्शित करता है कि इन मामलों पर विशेषज्ञों की असहमति इन मामलों की अंतर्निहित कठिनाई के एक महत्वपूर्ण संकेत के रूप में कार्य करती है, जो यह प्रकट करती है कि जहाँ मॉडल विवादित उदाहरणों के साथ संघर्ष करते हैं, वहीं एक बहु-मॉडल सर्वसम्मति दृष्टिकोण बिना किसी पर्यवेक्षण के उच्च-विश्वास वाले उम्मीदवारों को प्रभावी ढंग से रैंक कर सकता है।
यह शोध पत्र RPSG प्रस्तुत करता है, जो एक नवीन ढांचा है जो उच्च-सटीकता वाले सिंथेटिक डेटा को उत्पन्न करने के लिए निजी सीड टेक्स्ट का लाभ उठाता है और मजबूत गोपनीयता सुरक्षा सुनिश्चित करने के लिए औपचारिक डिफरेंशियल प्राइवेसी तंत्र को एकीकृत करता है।
यह शोधपत्र SaMer का प्रस्ताव करता है, जो एक ऑब्जेक्ट-अवेयर टोकन मर्जिंग फ्रेमवर्क है जो प्रशिक्षण के दौरान महत्वपूर्ण ऑब्जेक्ट-लेवल साक्ष्य को संरक्षित करके विजन-लैंग्वेज रिट्रीवल के लिए इमेज-साइड टोकन को महत्वपूर्ण रूप से संकुचित करता है, जिससे बिना ग्राउंड-ट्रुथ बाउंडिंग बॉक्स की आवश्यकता के इन्फरेंस के दौरान स्टोरेज लागत कम होती है और रिट्रीवल प्रदर्शन में सुधार होता है।