24346 पेपर
यह शोध पत्र RAPT को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic), रिट्रीवल-ऑगमेंटेड पोस्ट-हॉक थ्रेशोल्डिंग रैपर है, जो समान ऐतिहासिक मामलों का लाभ उठाकर मल्टी-लेबल वर्गीकरण के लिए लेबल चयन थ्रेशोल्ड को गतिशील रूप से अनुकूलित करता है, जिससे यह सटीकता और कम्प्यूटेशनल दक्षता दोनों में स्थिर बेसलाइन और फ्यू-शॉट LLMs से काफी बेहतर प्रदर्शन करता है।
यह शोध प्रबंध ज्ञान ग्राफों (knowledge graphs) में स्केलेबल अनिश्चितता तर्क (uncertainty reasoning) के लिए एक मॉड्यूलर ढांचे का प्रस्ताव करता है जो विशेष बीजगणितीय, तार्किक और ज्यामितीय तकनीकों के माध्यम से अस्पष्ट गुणों, संभाव्य ट्रिपल्स (probabilistic triples) और अपूर्ण स्कीमा को संबोधित करता है ताकि अर्थ संबंधी सटीकता और कम्प्यूटेशनल सुगमता के बीच सामंजस्य स्थापित किया जा सके।
यह शोध पत्र डीप कॉक्स (Deep Cox) मॉडल्स की उत्तरजीविता संभावनाओं (survival probabilities) को कैलिब्रेट करने के लिए एक नवीन पोस्ट-हॉक आइसोटोनिक रिग्रेशन विधि का प्रस्ताव करता है, जो उनकी विभेदन शक्ति (discriminative power) से समझौता किए बिना सैद्धांतिक गारंटी और बेहतर व्यावहारिक उपयोगिता प्रदान करता है।
GRASP एक कुशल एजेंटिक रिट्रीवल सिस्टम है जो जटिल प्रश्नों को गतिशील उप-कार्यों में विभाजित करके और लक्षित ट्रैवर्सल एवं उच्च-रिकॉल रिट्रीवल के लिए संस्थाओं (entities), प्रपोज़िशन (propositions) और पैसेज (passages) के एक नवीन तीन-स्तरीय पदानुक्रमित ग्राफ का लाभ उठाकर मल्टी-हॉप प्रश्नोत्तर की सटीकता और टोकन उपयोग को अनुकूलित करता है।
इस अंतराल को संबोधित करने के लिए जहाँ शिक्षक तैनाती से पहले एआई ट्यूटरिंग बॉट्स का परीक्षण शायद ही कभी करते हैं, यह शोध पत्र प्रॉम्प्टडिसिफर (PromptDecipher) प्रस्तुत करता है, जो एक ऐसी प्रणाली है जो लेखन प्रक्रिया को सुव्यवस्थित करती है जिससे शिक्षक एक लाइव प्रीव्यू में बॉट की अवांछित प्रतिक्रियाओं को सीधे सुधार सकते हैं, जो स्वचालित रूप से लक्षित प्रॉम्प्ट पुनलेखन उत्पन्न करता है और एक क्यूए (QA) पाइपलाइन के माध्यम से उन्हें सत्यापित करता है।
TTE-Flash एक ऐसी विधि पेश करता है जो गणनात्मक रूप से महंगी स्पष्ट 'चेन-ऑफ-थॉट' (Chain-of-Thought) तर्क प्रक्रिया को प्रशिक्षण योग्य गुप्त "थिंक टोकन्स" (think tokens) से बदल देती है ताकि एक स्थिर अनुमान लागत पर उच्च-प्रदर्शन वाले, व्याख्या योग्य मल्टीमॉडल एम्बेडिंग्स उत्पन्न किए जा सकें, जो बेंचमार्क पर स्पष्ट-CoT समकक्षों से बेहतर प्रदर्शन करते हुए टोकन संख्या में वृद्धि से स्केलेबल लाभ प्रदर्शित करते हैं।
SKG-Eval एक नवीन, व्याख्यात्मक ढांचा है जो संरचित अवस्था ट्रैकिंग के माध्यम से लंबी दूरी की विसंगतियों और विरोधाभासों का पता लगाने के लिए एक सिमेंटिक नॉलेज ग्राफ को वृद्धिशील रूप से निर्मित करके मल्टी-टर्न संवाद प्रणालियों का मूल्यांकन करता है, जिससे मौजूदा फ्लैट या टर्न-पृथक मेट्रिक्स की तुलना में मानव निर्णयों के साथ उच्च सहसंबंध प्राप्त होता है।
यह शोध पत्र एक स्केलेबल कम्प्यूटेशनल टूल प्रस्तुत करता है जो बड़े पैमाने पर विकासात्मक भाषा अनुसंधान को समर्थन देने के लिए 'मैनर' (manner) और 'रिजल्ट' (result) क्रियाओं के बीच अंतर करने में 89.6% तक सटीकता प्राप्त करते हुए, एक RoBERTa-आधारित क्लासिफायर के लिए प्रशिक्षण डेटा उत्पन्न करने हेतु लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
GraViti एक ट्रांसफॉर्मर-आधारित ग्राफ-लेवल वेरिएशनल ऑटोएनकोडर है जो संपूर्ण ग्राफों को संक्षिप्त लेटेंट वेक्टर्स में मैप करता है, और सुचारू इंटरपोलेशन एवं प्रॉपर्टी-गाइडेड सर्च सक्षम करने के लिए सख्त परम्यूटेशन इनवेरिएंस को शिथिल करके और वैध सैंपल डिकोडिंग के लिए डोमेन बाधाओं को सीधे सीखकर अत्याधुनिक पुनर्निर्माण और जनरेटिव प्रदर्शन प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि कैमरा ट्रैप डेटा से टेम्पोरल प्रेडिक्शन (temporal predictions) को फ्यूज करने के लिए मल्टी-ऑब्जेक्ट ट्रैकिंग (MOT) मॉडल्स को एकीकृत करना, फ्रेम-टू-फ्रेम लेबल अस्थिरता और शोर को कम करके वन्यजीव वर्गीकरण की सटीकता और निरंतरता में महत्वपूर्ण सुधार करता है।