11535 पेपर
यह शोध पत्र एक नवीन त्रि-स्तरीय मूल्यांकन ढांचे को प्रस्तुत करता है जो कला-सैद्धांतिक अवधारणाओं को पांच स्तरों और छह परंपराओं में क्रियान्वित करके विजन-लैंग्वेज मॉडल्स की सांस्कृतिक सक्षमता के आकलन में व्याप्त अंतराल को पाटता है, जिससे यह पता चलता है कि वर्तमान मॉडल दृश्य विवरण में तो उत्कृष्ट हैं लेकिन सांस्कृतिक व्याख्या में काफी कमज़ोर हो जाते हैं और साथ ही पश्चिमी पूर्वाग्रह प्रदर्शित करते हैं।
यह शोधपत्र VULCA-Bench को प्रस्तुत करता है, जो एक बहुसांस्कृतिक विजन-लैंग्वेज बेंचमार्क है जिसमें आठ सांस्कृतिक परंपराओं के बीच 7,410 द्विभाषी छवि-आलोचना युग्म और एक पांच-स्तरीय मूल्यांकन ढांचा शामिल है, जिसका उद्देश्य बुनियादी दृश्य धारणा से परे उच्च-स्तरीय सांस्कृतिक समझ में वर्तमान मॉडलों की सीमाओं का आकलन और प्रदर्शन करना है।
यह शोधपत्र FigEx2 प्रस्तुत करता है, जो एक विज़ुअल-कंडीशन्ड फ्रेमवर्क है जो एक नॉइज़-अवेयर गेटेड फ्यूजन मॉड्यूल और सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के साथ एक स्टेज्ड ऑप्टिमाइज़ेशन स्ट्रैटेजी का उपयोग करके वैज्ञानिक कंपाउंड आकृतियों में व्यक्तिगत पैनलों को स्थानीयकृत और कैप्शन करता है, जिससे विविध वैज्ञानिक डोमेन में उत्कृष्ट प्रदर्शन और ज़ीरो-शॉट ट्रांसफ़रेबिलिटी हासिल होती है।
यह शोध पत्र HEART को प्रस्तुत करता है, जो एक एकीकृत बेंचमार्क है जो विज्ञान-आधारित मापदंडों का उपयोग करके भावनात्मक समर्थन संवादों में मनुष्यों और बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) की सीधे तुलना करता है, जिससे यह पता चलता है कि हालांकि अत्याधुनिक मॉडल सहानुभूति और निरंतरता में मानव स्तरों के करीब पहुँच रहे हैं, फिर भी मनुष्य अनुकूलन योग्य रिफ्रेमिंग और सूक्ष्म टोन बदलावों में उत्कृष्ट प्रदर्शन करते हैं, और यह सब मानव और स्वचालित मूल्यांकन मानदंडों के बीच मजबूत संरेखण प्रदर्शित करते हुए होता है।
यह शोध पत्र GiG का प्रस्ताव करता है, जो एक नवीन एम्बोडीड टास्क प्लानिंग फ्रेमवर्क है जो अनुभव स्मृति को संरचित करने के लिए ग्राफ न्यूरल नेटवर्क्स को एक बाउंडेड लुकअहेड मॉड्यूल के साथ जोड़ता है ताकि दीर्घकालिक तर्क (लॉन्ग-होराइजन रीजनिंग) को बढ़ाया जा सके और कई बेंचमार्क पर अत्याधुनिक बेसलाइनों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र FLIP को प्रस्तुत करता है, जो एक संदर्भ-मुक्त (reference-free) रिवॉर्ड मॉडलिंग दृष्टिकोण है जो प्रतिक्रियाओं से निर्देशों को पुनर्गठित करने के लिए बैकवर्ड इन्फरेंस (backward inference) का लाभ उठाता है, जो LLM-as-a-Judge बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है और छोटे भाषा मॉडलों के साथ डाउनस्ट्रीम कार्यों को महत्वपूर्ण रूप से बढ़ाता है।
SELAUR एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो अन्वेषण दक्षता और सीखने की स्थिरता में सुधार के लिए रिवॉर्ड डिज़ाइन में आंतरिक अनिश्चितता मेट्रिक्स को एकीकृत करके LLM एजेंटों में बहु-चरणीय निर्णय लेने की क्षमता को बढ़ाता है, जिसके परिणामस्वरूप ALFWorld और WebShop जैसे बेंचमार्क पर उच्च सफलता दर प्राप्त होती है।
यह शोध पत्र स्पार्स इन्फरेंस-टाइम अलाइनमेंट (SIA) का प्रस्ताव करता है, जो एक ऐसी विधि है जो प्रत्येक टोकन के बजाय केवल उच्च-एन्ट्रॉपी निर्णय बिंदुओं पर हस्तक्षेप करके अलाइनमेंट दक्षता और जनरेशन गुणवत्ता में सुधार करती है, जिससे 6 गुना तक कम कम्प्यूटेशनल लागत के साथ बेहतर परिणाम प्राप्त होते हैं।
यह शोध पत्र 'एप्लाइड सोशियोलिंग्विस्टिक एआई फॉर कम्युनिटी डेवलपमेंट' (ASA-CD) को एक नए वैज्ञानिक प्रतिमान के रूप में प्रस्तावित करता है जो भाषाई बायोमार्कर, विकास-संरेखित एनएलपी (NLP), और एक मानकीकृत हस्तक्षेप प्रोटोकॉल का उपयोग करके भाषाई रूप से सुदृढ़, स्केलेबल सामुदायिक सशक्तिकरण के लिए एआई का लाभ उठाता है।
यह शोध पत्र EPSVec को प्रस्तुत करता है, जो एक डिफरेंशियल-प्राइवेट फ्रेमवर्क है जो LLMs को निर्देशित करने के लिए डेटासेट वेक्टर्स को निकालने और उन्हें सैनिटाइज करने के माध्यम से उच्च-गुणवत्ता वाला सिंथेटिक डेटा कुशलतापूर्वक उत्पन्न करता है, जिससे गोपनीयता लागत को जनरेशन वॉल्यूम से अलग किया जाता है और कम डेटा वाले परिदृश्यों में काफी कम कम्प्यूटेशनल ओवरहेड के साथ मौजूदा तरीकों से बेहतर प्रदर्शन किया जाता है।