11611 पेपर
यह शोध पत्र वीकली सुपरवाइज्ड प्रीट्रेनिंग (WSP) का प्रस्ताव करता है, जो एक दो-चरणीय कार्यप्रणाली है जो कम-संसाधन वाले ऑटोमैटिक स्पीच रिकग्निशन परिदृश्यों में बेहतर प्रदर्शन प्राप्त करने के लिए प्रचुर मात्रा में शोर युक्त क्लासरूम ट्रांसक्रिप्ट्स का लाभ उठाने के बाद सीमित सटीक डेटा पर फाइन-ट्यूनिंग का उपयोग करता है।
यह शोध पत्र एक नवीन, आगमनात्मक (inductive) ट्रीबैंक-संचालित ढांचे का परिचय देता है जो यूनिवर्सल डिपेंडेंसीज़ (Universal Dependencies) का उपयोग करके यह प्रदर्शित करता है कि अंग्रेजी और स्लोवेनियाई में मौखिक भाषा, लेखन की तुलना में एक छोटे, कम विविध और काफी हद तक गैर-अतिव्यापी (non-overlapping) वाक्य-विन्यास संरचनाओं के सेट पर निर्भर करती है, जो अंतरक्रियात्मकता और मितव्ययिता की माध्यम-विशिष्ट मांगों को दर्शाती है।
यह शोध पत्र "क्रॉस-लिंगुअल कोलैप्स" (Cross-lingual Collapse) की पहचान और विश्लेषण करता है, जो एक ऐसी घटना है जहाँ सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण शिक्षण (RLVR) बहुभाषी बड़े भाषा मॉडलों को उनके तर्क प्रदर्शन में सुधार होने के साथ ही अपनी तर्क श्रृंखलाओं को एक प्रमुख प्री-ट्रेनिंग भाषा (आमतौर पर अंग्रेजी) की ओर वापस ले जाता है, जो तर्क की गहराई और लक्षित-भाषा की निष्ठा के बीच एक निरंतर समझौता प्रकट करता है।
यह शोध पत्र Shop-R1 प्रस्तुत करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो कार्य को तर्क निर्माण (rationale generation) और क्रिया भविष्यवाणी (action prediction) चरणों में विभाजित करके LLMs की मानव ऑनलाइन शॉपिंग व्यवहार को सिम्युलेट करने की क्षमता को बढ़ाता है, जिसमें प्रत्येक चरण को विशिष्ट स्व-पर्यवेक्षित (self-supervised) और पदानुक्रमित (hierarchical) पुरस्कार संकेतों द्वारा निर्देशित किया गया है ताकि बेसलाइन की तुलना में 65% से अधिक सुधार प्राप्त किया जा सके।
यह शोध पत्र नए निर्मित डेटासेट पर तीन मॉडलिंग रणनीतियों का मूल्यांकन करके और प्रॉम्प्ट इंजेक्शन एवं जेलब्रेक जैसे सुरक्षा खतरों के विरुद्ध उनकी मजबूती का आकलन करके, एंटरप्राइज सेटिंग्स में भूमिका-आधारित एक्सेस कंट्रोल (role-based access control) को लागू करने के लिए लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करने की जांच करता है।
MolReasoner एक नवीन दो-चरणीय ढांचा है जो ज्ञान-संवर्धित चेन-ऑफ-थॉट फाइन-ट्यूनिंग को कार्य-अनुकूलित सुदृढीकरण शिक्षण चरण के साथ जोड़कर लार्ज लैंग्वेज मॉडल्स में आणविक तर्क की व्याख्यात्मकता और सटीकता को बढ़ाता है ताकि प्रभावी रूप से मतिभ्रम (hallucinations) को कम किया जा सके और मौजूदा बेसलाइनों से बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र HebID प्रस्तुत करता है, जो राजनीतिक विमर्श में सूक्ष्म सामाजिक पहचानों का पता लगाने के लिए पहला मल्टीलेबल हिब्रू कॉर्पस है, जिसका उपयोग भाषा मॉडलों को बेंचमार्क करने और इज़राइल में अभिजात वर्ग की पहचान अभिव्यक्ति और सार्वजनिक प्राथमिकताओं के बीच संरेखण का विश्लेषण करने के लिए किया जाता है।
यह शोध पत्र HEART को प्रस्तुत करता है, जो एक टेस्ट-टाइम स्केलिंग फ्रेमवर्क है जो भाषा मॉडलों को दोहराव वाले तर्क के डेड-एंड्स से बाहर निकालने के लिए वैकल्पिक रूप से आलोचनात्मक और उत्साहजनक भावनात्मक संकेतों का लाभ उठाता है, जिससे विविध उच्च-कठिनाई वाले बेंचमार्क में सटीकता में महत्वपूर्ण सुधार होता है।
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।