11611 पेपर
यह शोध पत्र "Whisper: Courtside Edition" को प्रस्तुत करता है, जो एक नवीन मल्टी-एजेंट LLM पाइपलाइन है जो डिकोडर को निर्देशित करने के लिए संदर्भ-जागरूक प्रॉम्प्ट्स (context-aware prompts) उत्पन्न करके NBA कमेंट्री पर डोमेन-विशिष्ट ASR प्रदर्शन में महत्वपूर्ण सुधार करता है, जिससे बिना किसी मॉडल रिट्रेनिंग के वर्ड एरर रेट (word error rate) में 17.0% की सापेक्ष कमी प्राप्त होती है।
यह शोध पत्र जनरल एजेंटबेंच (General AgentBench) प्रस्तुत करता है, जो विविध डोमेन में सामान्य-उद्देश्य वाले एलएलएम (LLM) एजेंटों के मूल्यांकन के लिए एक एकीकृत बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान एजेंट सामान्य सेटिंग्स में महत्वपूर्ण प्रदर्शन गिरावट का सामना करते हैं और न तो अनुक्रमिक (sequential) और न ही समानांतर (parallel) टेस्ट-टाइम स्केलिंग परिणामों में प्रभावी रूप से सुधार करती है क्योंकि इसमें कॉन्टेक्स्ट सीलिंग (context ceilings) और वेरिफिकेशन गैप्स (verification gaps) मौजूद हैं।
यह शोध पत्र प्रदर्शित करता है कि लॉन्ग-होराइजन कार्यों में लैंग्वेज एजेंट की विफलताएं मुख्य रूप से किसी कार्य के कैनोनिकल समाधान पथ (canonical solution path) से स्टोकेस्टिक ड्रिफ्ट (stochastic drift) के कारण होती हैं न कि क्षमता की सीमाओं के कारण, जो यह प्रकट करता है कि इस पथ से विचलित होने वाले प्रक्षेप पथों (trajectories) की निगरानी करना और उन्हें पुनरारंभ करना मॉडल स्केलिंग की आवश्यकता के बिना विश्वसनीयता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक्टिव डेटा रिकंस्ट्रक्शन अटैक (ADRA) को प्रस्तुत करता है, जो मेंबरशिप इन्फरेंस हमलों का एक नया परिवार है जो टेक्स्ट पुनर्निर्माण के लिए लक्ष्य मॉडल को सक्रिय रूप से फाइन-ट्यून करने के लिए ऑन-पॉलिसी रीइन्फोर्समेंट लर्निंग का लाभ उठाता है, जिससे मौजूदा पैसिव तरीकों की तुलना में LLM ट्रेनिंग डेटा के लिए काफी उच्च डिटेक्शन सटीकता प्राप्त होती है।
यह शोध पत्र LLMs के लिए नेक्स्ट-टोकन प्रेडिक्शन-आधारित नॉलेज एडिटिंग में "कॉन्टेक्स्ट रिलायंस" (संदर्भ निर्भरता) को एक महत्वपूर्ण विफलता मोड के रूप में पहचानता है, जहाँ सीखा गया ज्ञान विशिष्ट पूर्ववर्ती संदर्भों पर निर्भर हो जाता है, और इस समस्या को कम करने के लिए COIN फ्रेमवर्क का प्रस्ताव करता है जो संदर्भ-स्वतंत्र शिक्षण को प्रोत्साहित करके एडिटिंग सफलता दर में महत्वपूर्ण सुधार करता है।
यह शोध पत्र प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) और विजन-लैंग्वेज मॉडल्स (LVLMs) मल्टी-स्टेप इन्फरेंस के लिए जिम्मेदार न्यूरॉन्स का एक महत्वपूर्ण मोडैलिटी-इनवेरिएंट सबस्पेस साझा करते हैं, और इस खोज का लाभ उठाते हुए शेयर्ड न्यूरॉन लो-रैंक फ्यूजन (SNRF) का प्रस्ताव देता है, जो एक पैरामीटर-एफिशिएंट फ्रेमवर्क है जो बड़े पैमाने पर मल्टीमॉडल फाइन-ट्यूनिंग की आवश्यकता के बिना LLMs से परिपक्व इन्फरेंस क्षमताओं को LVLMs में स्थानांतरित करता है।
TriTopic एक ओपन-सोर्स, ट्राइ-मोडल ग्राफ-आधारित टॉपिक मॉडलिंग फ्रेमवर्क है जो हाइब्रिड ग्राफ निर्माण, कंसेंसस क्लस्टरिंग और इटरेटिव रिफाइनमेंट के माध्यम से सिमेंटिक एम्बेडिंग्स, TF-IDF और मेटाडेटा को संलयित करके मौजूदा विधियों की अस्थिरता और लेक्सिकल अपरिष्कार को दूर करता है ताकि विविध डेटासेट्स में बेहतर प्रदर्शन और पूर्ण कॉर्पस कवरेज प्राप्त किया जा सके।
यह अध्ययन अनुभवजन्य रूप से प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) वैज्ञानिक गुणवत्ता की अवधारणा को विशिष्ट मोनोसेमेंटिक फीचर्स के माध्यम से एनकोड करते हैं—जिन्हें स्पार्स ऑटोएनकोडर्स के माध्यम से पहचाना गया है—जो अनुसंधान पद्धतियों, प्रकाशन प्रकारों, उच्च-प्रभाव वाले क्षेत्रों और वैज्ञानिक शब्दावली जैसे प्रमुख पहलुओं को कैप्चर करते हैं, जिससे साइटेशन काउंट और जर्नल रैंकिंग जैसे अनुसंधान मेट्रिक्स की भविष्यवाणी करना सक्षम होता है।
यह शोध पत्र जनरल गेम प्लेइंग परिवेश के भीतर चार लार्ज लैंग्वेज मॉडल्स की औपचारिक तर्क क्षमताओं का मूल्यांकन करता है, जिससे यह पता चलता है कि हालांकि वर्तमान मॉडल्स ने महत्वपूर्ण प्रगति दिखाई है, लेकिन कार्य की जटिलता और स्टेप डेप्थ बढ़ने के साथ उनका प्रदर्शन घट जाता है, जो अक्सर काल्पनिक नियमों (hallucinated rules) और सिंटैक्टिक गलतियों जैसी विशिष्ट तर्क संबंधी त्रुटियों के कारण होता है।
यह शोध पत्र X (पूर्व में ट्विटर) पर एक नवीन इतिहास-सशर्त उत्तर पूर्वानुमान डेटासेट प्रस्तुत करता है ताकि सरलता से जनरेट की गई लार्ज लैंग्वेज मॉडल सामग्री और प्रामाणिक मानवीय संचार के बीच भाषाई विसंगतियों को मापा जा सके, जो कम्प्यूटेशनल सोशल साइंस अनुसंधान की वैधता में सुधार करने के लिए एक ढांचा प्रदान करता है।