11419 पेपर
यह अध्ययन तुर्की और अंग्रेजी के बीच क्रॉस-लिंगुअल यूफेमिज्म (सुवचन) स्थानांतरण की जांच करता है, जो यह प्रकट करता है कि केवल अर्थ संबंधी ओवरलैप ही सकारात्मक स्थानांतरण की गारंटी देने के लिए पर्याप्त नहीं है और लेबल वितरण तथा व्यावहारिक संदर्भ में अंतर के कारण प्रदर्शन कभी-कभी गैर-ओवरलैपिंग शब्दों के साथ भी सुधर सकता है।
यह शोध पत्र "आइगनमूड स्पेस" (Eigenmood Space) प्रस्तुत करता है, जो एक अनिश्चितता-जागरूक कम्प्यूटेशनल ढांचा है जो विश्वास-भारित बहु-लेबल एनोटेशन को स्पेक्ट्रल ग्राफ एम्बेडिंग में एकत्रित करके शास्त्रीय फारसी कविता में मनोवैज्ञानिक पैटर्न का विश्लेषण करता है, जिससे साक्ष्य अनिश्चितता को स्पष्ट रूप से प्रसारित करते हुए स्केलेबल, ऑडिट करने योग्य और व्याख्यात्मक रूप से सतर्क कवि-स्तरीय अनुमान सक्षम होता है।
यह शोध पत्र ReIn का प्रस्ताव करता है, जो एक टेस्ट-टाइम हस्तक्षेप विधि है जो एजेंट के मापदंडों (parameters) या प्रॉम्प्ट्स को संशोधित किए बिना, एजेंट की निर्णय लेने की प्रक्रिया में रिकवरी रीजनिंग (recovery reasoning) इंजेक्ट करने के लिए एक बाहरी मॉड्यूल का उपयोग करके, उपयोगकर्ता-प्रेरित त्रुटियों के प्रति संवादात्मक एजेंटों की लचीलापन को बढ़ाता है, जिससे कार्य सफलता दर में उल्लेखनीय सुधार होता है।
यह अध्ययन थियोमैटिक एपरसेप्शन टेस्ट और SCORS-G फ्रेमवर्क का उपयोग करके लार्ज मल्टीमॉडल मॉडल्स के व्यक्तित्व-समान कामकाज का मूल्यांकन करता है, जिससे यह पता चलता है कि जबकि ये मॉडल मानव विशेषज्ञों के तुलनीय मजबूत पारस्परिक और आत्म-अवधारणा समझ प्रदर्शित करते हैं, वे आक्रामकता को समझने और विनियमित करने में लगातार संघर्ष करते हैं, जिसमें बड़े और अधिक हालिया मॉडल परिवारों में प्रदर्शन में सुधार होता है।
यह शोध पत्र एक व्यापक, इंजीनियरिंग-केंद्रित केस स्टडी प्रस्तुत करता है जो सीमित कंप्यूट संसाधनों के तहत कच्चे arXiv LaTeX स्रोतों से 1.36B-पैरामीटर वाले वैज्ञानिक भाषा मॉडल को प्रशिक्षित करने के एंड-टू-एंड पाइपलाइन, चुनौतियों और अनुभवजन्य निष्कर्षों का विवरण देता है।
यह अध्ययन प्रदर्शित करता है कि नियंत्रित शाब्दिक और वाक्य संरचनात्मक विक्षोभ (perturbations) प्रमुख बेंचमार्क पर बड़े भाषा मॉडलों के प्रदर्शन को महत्वपूर्ण रूप से कम करते हैं और उनकी रैंकिंग को अस्थिर करते हैं, जो मजबूत भाषाई सक्षमता के बजाय सतही पैटर्न पर निर्भरता को प्रकट करता है और मानक मूल्यांकनों में सुदृढ़ता परीक्षण की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
यह शोध पत्र WebFAQ 2.0 प्रस्तुत करता है, जो 108 भाषाओं में 198 मिलियन FAQ युग्मों का एक महत्वपूर्ण रूप से विस्तारित बहुभाषी डेटासेट है, जिसमें माइन किए गए हार्ड नेगेटिव्स (hard negatives) शामिल हैं और जो बहुभाषी एवं क्रॉस-लिंगुअल सूचना पुनर्प्राप्ति (information retrieval) अनुसंधान को आगे बढ़ाने के लिए उन्नत डेंस रिट्रीवल प्रशिक्षण रणनीतियों का समर्थन करता है।
यह शोध पत्र RPDR को प्रस्तुत करता है, जो एक नवीन डेटा ऑग्मेंटेशन फ्रेमवर्क है जो उच्च गुणवत्ता वाले, आसानी से सीखने योग्य प्रशिक्षण उदाहरणों को चुनने के लिए सिंथेटिक डेटा जनरेशन और राउंड-ट्रिप प्रेडिक्शन का लाभ उठाता है, जिससे लॉन्ग-टेल प्रश्न उत्तर बेंचमार्क पर डेंस रिट्रीवर्स के प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र बहुविकल्पीय प्रश्न बेंचमार्क के लिए एक पूर्वाग्रह-न्यून (bias-reduced) मूल्यांकन प्रोटोकॉल प्रस्तुत करता है जो मानक विकल्प लेबल के स्थान पर समान, अव्यवस्थित लेबल का उपयोग करता है और उत्तर मिलान के लिए वाक्य समानता का उपयोग करता है, जिससे मॉडल के प्रदर्शन को बनाए रखते हुए उत्तर क्रमपरिवर्तन (answer permutations) के विरुद्ध मूल्यांकन की सुदृढ़ता में महत्वपूर्ण सुधार होता है।
PEACE 2.0 एक नवीन उपकरण है जो स्पष्ट और अप्रत्यक्ष दोनों प्रकार के घृणास्पद संदेशों के लिए साक्ष्य-आधारित स्पष्टीकरण प्रदान करने और तथ्यात्मक प्रति-भाषण (counter-speech) को स्वचालित रूप से उत्पन्न करने के लिए रिट्रीवल-ऑगमेंटेड जनरेशन पाइपलाइन का उपयोग करके घृणास्पद भाषण विश्लेषण और शमन को बढ़ाता है।