9552 पेपर
PoLoRA एक नवीन ऑप्टिमाइज़र है जो लो-रैंक एडेप्टेशन (LoRA) के लिए उत्पाद-जागरूक स्पेक्ट्रल अपडेट (product-aware spectral updates), कर्वेचर प्रीकंडीशनिंग (curvature preconditioning), और एक मैग्नीट्यूड कंट्रोल रूल (magnitude control rule) को जोड़ता है ताकि मानक Adam की तुलना में तेज़ अभिसरण (convergence), लर्निंग रेट स्थिरता, और रैंक चयन के प्रति कम संवेदनशीलता प्राप्त की जा सके, जिसमें न्यूनतम कम्प्यूटेशनल ओवरहेड शामिल है।
यह शोध पत्र इस बात की जांच करता है कि एआई-सहायता प्राप्त तथ्य सत्यापन में आठ विशिष्ट अलंकारिक पैटर्न (rhetorical patterns) उपयोगकर्ता के प्रदर्शन और चिंतन को कैसे प्रभावित करते हैं, जिसमें यह पाया गया है कि जहाँ 'स्कैफोल्ड स्पष्टीकरण' (Scaffold Explanations) उच्चतम सटीकता लाभ प्रदान करते हैं, वहीं उपयोगकर्ता अन्य चिंतनशील शैलियों से जुड़े समय के खर्च के बावजूद आम तौर पर 'वैकल्पिक रूपरेखा' (Alternative Framing) को प्राथमिकता देते हैं।
यह शोध पत्र ESCUCHA को प्रस्तुत करता है, जो कि पहला स्पेनिश स्पीच अंडरस्टैंडिंग बेंचमार्क है जिसमें बड़े ऑडियो लैंग्वेज मॉडल्स की रीजनिंग और ध्वनिक मजबूती (acoustic robustness) का कड़ाई से मूल्यांकन करने के लिए 162.9 घंटों के विविध, वास्तविक दुनिया के ऑडियो में 1,000 मानव-क्यूरेटेड प्रश्न शामिल हैं।
यह शोध पत्र उन बांग्ला होमोग्राफ्स (homographs) के लिए एक सांस्कृतिक रूप से आधारित बेंचमार्क प्रस्तुत करता है जो नाम और सामान्य संज्ञा दोनों के रूप में कार्य करते हैं, यह प्रदर्शित करते हुए कि जबकि मानक मॉडल एक प्रमुख-अर्थ पूर्वाग्रह (dominant-meaning bias) प्रदर्शित करते हैं, कंट्रास्टिव प्रॉम्प्टिंग (contrastive prompting) और सांस्कृतिक स्पष्टीकरणों का डिस्टिलिंग (distilling) कम-संसाधन वाले LLMs में तर्क प्रदर्शन को महत्वपूर्ण रूप से सुधार सकता है।
यह शोध पत्र HALO (हैलुसिनेशन-अवेयर लेयर्ड ओवरसाइट) को प्रस्तुत करता है, जो एक छह-स्तरीय आश्वासन आर्किटेक्चर है जो बड़े भाषा मॉडलों की अंतर्निहित सीमाओं को समाप्त करके नहीं, बल्कि ग्राउंडेड जनरेशन, कंस्ट्रेंड एक्जीक्यूशन, मल्टी-सिग्नल वेरिफिकेशन, कैलिब्रेटेड एब्स्टेंशन, टोटल ट्रेसिबिलिटी और कंटीन्यूअस ओवरसाइट के एक सिस्टम-लेवल फ्रेमवर्क को लागू करके 'जीरो हैलुसिनेशन' प्राप्त करता है ताकि हैलुसिनेशन्स को एक प्रबंधनीय विफलता मोड के रूप में सीमित किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि एक नए पेश किए गए बायोमेडिकल डेटासेट (MeSH-Rel-4K) पर छोटे, ओपन-सोर्स लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करना प्रॉम्प्टिंग रणनीतियों की तुलना में काफी बेहतर प्रदर्शन करता है, जिससे F1-स्कोर में 34.1 प्रतिशत अंकों की वृद्धि होती है और स्वचालित बायोमेडिकल ऑन्टोलॉजी जनरेशन के लिए एक संसाधन-कुशल समाधान मिलता है।
MADA-RL एक पैरामीटर-कुशल पोस्ट-ट्रेनिंग फ्रेमवर्क है जो एक नवीन काउंटरफैक्चुअल क्रिटिक एडवांटेज के साथ मल्टी-एजेंट डिबेट मैकेनिज्म का उपयोग करके कॉम्पैक्ट लैंग्वेज मॉडल्स में रीजनिंग को बढ़ाता है ताकि LoRA के माध्यम से विशिष्ट जनरेटर और क्रिटिक एजेंटों को अनुकूलित किया जा सके, जिससे गणितीय बेंचमार्क पर सटीकता में उल्लेखनीय सुधार होता है और प्रशिक्षित पैरामीटर्स में भारी कमी आती है।
यह अध्ययन तीस अमेरिकी सिटकॉम और इक्यावन सिंथेटिक पॉडकास्ट में अंतराल की अवधि का विश्लेषण और तुलना करके, वक्ता के लिंग और उत्पादन परिवेश के आधार पर विविधताओं की जांच करते हुए, मानव और एआई-जनित विमर्श में मौन सीमाओं की जांच करता है।
यह शोधपत्र WorldCupArena को पेश करता है, जो फुटबॉल पूर्वानुमान के लिए भाषा मॉडल (language models) और डीप-रिसर्च एजेंटों का मूल्यांकन करने के लिए एक गतिशील बेंचमार्क है, जो मैचों के होने से पहले वास्तविक समय की जानकारी का उपयोग करके मैच के परिणामों, स्कोर और घटनाओं की भविष्यवाणी करने की उनकी क्षमता का परीक्षण करता है, जिसमें प्रारंभिक परिणाम सटीक सटीकता (exact accuracy) में सट्टेबाजी और मानव बेसलाइन की तुलना में मामूली बढ़त दिखाते हैं, लेकिन विस्तृत स्कोरलाइन भविष्यवाणियों में स्पष्ट सुधार दर्शाते हैं।
यह शोध पत्र VEHBench प्रस्तुत करता है, जो एक नवीन नैदानिक बेंचमार्क है जिसमें 763 साहित्य-आधारित कार्य शामिल हैं जो कंपन ऊर्जा हारवेस्टर (vibration energy harvester) डिजाइन के चार विशिष्ट चरणों में LLMs का मूल्यांकन करते हैं, जिससे यह पता चलता है कि मॉडल का प्रदर्शन अत्यधिक चरण-निर्भर है और इंजीनियरिंग AI के लिए एक वर्कफ़्लो-जागरूक दृष्टिकोण की आवश्यकता है।