11610 पेपर
मेमोटाइम (MemoTime) एक मेमोरी-ऑगमेंटेड फ्रेमवर्क है जो जटिल प्रश्नों को एक पदानुक्रमित 'ट्री ऑफ टाइम' (Tree of Time) में विभाजित करके, एडेप्टिव ऑपरेटर-अवेयर रिट्रीवल का उपयोग करके और स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए एक सेल्फ-इवॉल्विंग एक्सपीरियंस मेमोरी का लाभ उठाकर लार्ज लैंग्वेज मॉडल के टेम्पोरल रीजनिंग को बढ़ाता है।
यह शोध पत्र SALAD को प्रस्तुत करता है, जो एक डेटा-कुशल विधि है जो स्पीच-एडेप्टेड लार्ज लैंग्वेज मॉडल्स में टेक्स्ट-स्पीच समझ के अंतर को दूर करने के लिए लक्षित सिंथेटिक डेटा के साथ क्रॉस-मोडल डिस्टिलेशन को जोड़ती है, जिससे क्षमता विस्मृति (capability forgetting) को कम किया जा सके और क्रॉस-मोडल संरेखण में सुधार किया जा सके, तथा काफी कम प्रशिक्षण डेटा के साथ सार्वजनिक कॉर्पोरा पर प्रतिस्पर्धी प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र यह प्रदर्शित करके बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के सांस्कृतिक प्रसंस्करण में व्यावहारिक अंतराल का मूल्यांकन करता है कि यद्यपि वे लाक्षणिक भाषा की व्याख्या कर सकते हैं, फिर भी वे अंग्रेजी की तुलना में मिस्र की अरबी मुहावरों और लोकोक्तियों जैसे सांस्कृतिक रूप से आधारित अभिव्यक्तियों के साथ काफी अधिक संघर्ष करते हैं, जो भविष्य के अनुसंधान को समर्थन देने के लिए 'किनायात' (Kinayat) डेटासेट के विमोचन को प्रेरित करता है।
यह शोध पत्र BEAT प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो उच्च हमले की सफलता दर (attack success rate) प्राप्त करने और सामान्य कार्य प्रदर्शन को बनाए रखने के लिए कॉन्ट्रास्टिव ट्रिगर लर्निंग (Contrastive Trigger Learning) वाले दो-चरणीय प्रशिक्षण योजना और ऑब्जेक्ट ट्रिगर्स का लाभ उठाकर VLM-आधारित एम्बोडीड एजेंटों (embodied agents) में विजुअल बैकडोर्स इंजेक्ट करता है।
यह शोध पत्र MoDES को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो वैश्विक रूप से-मॉड्यूलेटेड स्थानीय गेटिंग तंत्र और दोहरी-मोडैलिटी थ्रेशोल्डिंग का उपयोग करके Mixture-of-Experts मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स को त्वरित करता है, जिससे अनावश्यक विशेषज्ञों को अनुकूल रूप से स्किप किया जा सकता है, और इस प्रकार मौजूदा विधियों की तुलना में अनुमान गति (inference speed) और सटीकता दोनों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र मल्टी-एजेंट एलएलएम (LLM) प्रणालियों के लिए एक स्केलेबल मार्केट-मेकिंग फ्रेमवर्क पेश करता है जो संरचित आर्थिक आदान-प्रदान के माध्यम से स्थानीय प्रोत्साहनों को सामूहिक ज्ञानमीमांसीय लक्ष्यों के साथ संरेखित करता है, जिससे बाहरी प्रवर्तन के बिना बेहतर सटीकता, व्याख्यात्मकता और स्व-सुधारात्मक जवाबदेही प्राप्त होती है।
यह शोध पत्र BOOM को प्रस्तुत करता है, जो एक एंड-टू-एंड मल्टीमॉडल मल्टीलिंगुअल सिस्टम है जो लेक्चर ऑडियो और स्लाइड्स का संयुक्त रूप से अनुवाद करने के लिए सिंक्रोनाइज़्ड (तुल्यकालिक) अनुवादित टेक्स्ट, लोकलाइज्ड स्लाइड्स और सिंथेसाइज्ड स्पीच उत्पन्न करता है, जिससे विभिन्न माध्यमों में पूर्ण शिक्षण अनुभव को संरक्षित करते हुए सारांश और प्रश्नोत्तरी जैसे डाउनस्ट्रीम कार्यों को बेहतर बनाया जा सकता है।
मौजूदा खंडित और एकीकृत करने में कठिन समाधानों की व्यावहारिक सीमाओं को दूर करने के लिए, यह शोध पत्र promptolution प्रस्तुत करता है, जो एक एकीकृत, मॉड्यूलर और ओपन-सोर्स फ्रेमवर्क है जो बड़े भाषा मॉडलों (large language models) के लिए निर्बाध प्रॉम्प्ट अनुकूलन और पुनरुत्पादक बेंचमार्किंग को सक्षम बनाता है।
Interpreto एक ओपन-सोर्स पायथन लाइब्रेरी है जो HuggingFace लैंग्वेज मॉडल्स के लिए एट्रिब्यूशन और कॉन्सेप्ट-आधारित स्पष्टीकरण विधियों को एकीकृत करती है, जो हालिया शोध को व्यावहारिक टूलिंग के साथ जोड़ते हुए कॉन्सेप्ट लर्निंग और इंटरप्रिटेशन के लिए एक विशिष्ट एंड-टू-एंड पाइपलाइन प्रदान करती है।
यह शोध पत्र टीचर, स्टूडेंट और डिस्टिल्ड मॉडल्स के बीच प्रेडिक्टिव प्रोबेबिलिटीज की तुलना करके एक डिस्टिल्ड मॉडल के कार्यों के उद्गम का विश्लेषण करने के लिए एक रीजनिंग डिस्टिलेशन प्रोवेनेंस ट्रेसिंग फ्रेमवर्क पेश करता है, जो यह प्रदर्शित करता है कि टीचर-ओरिजिनेटेड एक्शन प्रदर्शन के साथ सह-संबंधित हैं और रीजनिंग डिस्टिलेशन को बेहतर बनाने के लिए एक सिद्धांत-आधारित, टीचर-गाइडेड डेटा चयन पद्धति को सक्षम बनाता है।