11611 पेपर
यह शोध पत्र इंटरमिटेंट सेमी-वर्किंग मास्क (ISM) को प्रस्तुत करता है, जो एक पैरामीटर-मुक्त मास्किंग योजना है जो इन्फरेंस दक्षता बनाए रखते हुए और महंगी प्रशिक्षण डेटा विस्तार से बचते हुए, मल्टी-टर्न संवाद और संदर्भ-गहन तर्क प्रदर्शन को बढ़ाने के लिए कॉज़ल (causal) LLMs में स्पार्स द्विदिश अटेंशन (sparse bidirectional attention) को इंजेक्ट करता है।
यह शोध पत्र एक व्यापक मूल्यांकन ढांचे को प्रस्तुत करता है जो यह प्रदर्शित करता है कि आधुनिक फाउंडेशन मॉडल ऐप्रेज़ल (मूल्यांकन), भावनाओं, अभिव्यक्तियों और परिणामों के बीच संबंधों का सटीक अनुमान लगाकर मानव-तुल्य, और कुछ मामलों में "सुपरह्यूमन" (मानव-से-श्रेष्ठ) भावनात्मक संज्ञान प्रदर्शित करते हैं, जिसमें चेन-ऑफ-थॉट रीजनिंग द्वारा प्रदर्शन को और अधिक बढ़ाया गया है।
यह शोधपत्र वास्तविक दुनिया के मानसिक स्वास्थ्य देखभाल कार्यों के एक क्लिनिशियन-एनोटेटेड (चिकित्सक द्वारा एनोटेट किए गए), अमेरिका-केंद्रित डेटासेट को प्रस्तुत करता है जो पारंपरिक बोर्ड-परीक्षा बेंचमार्क द्वारा छोड़े जाने वाले नैदानिक सूक्ष्म विवरणों को पकड़ने के लिए रोगी चरों (patient variables) को प्रतिस्थापित करके भाषा मॉडलों की सटीकता और जनसांख्यिकीय पूर्वाग्रह का व्यवस्थित रूप से मूल्यांकन करता है।
यह शोध पत्र विभिन्न परिदृश्यों में ज़ीरो-शॉट क्षमताओं का मूल्यांकन करने के लिए VisualTimeAnomaly बेंचमार्क पेश करके और पारंपरिक विधियों एवं MLLMs को तालमेल के साथ जोड़कर स्वचालित, अनुकूलन योग्य विसंगति पहचान प्राप्त करने के लिए TSAD-Agents, एक मल्टी-एजेंट फ्रेमवर्क प्रस्तावित करके, टाइम सीरीज़ विसंगति पहचान (anomaly detection) के लिए मल्टीमॉडल LLMs की अल्प-अन्वेषित क्षमता की जांच करता है।
यह शोध पत्र PII-Bench को प्रस्तुत करता है, जो गोपनीयता संरक्षण प्रणालियों का आकलन करने के लिए 55 श्रेणियों में 2,842 नमूनों के साथ एक व्यापक मूल्यांकन ढांचा है, और यह प्रकट करता है कि हालांकि वर्तमान मॉडल PII का पता लगाने में सक्षम हैं, लेकिन वे विशेष रूप से जटिल बहु-विषय परिदृश्यों में क्वेरी-प्रासंगिक PII निर्धारित करने में काफी संघर्ष करते हैं।
यह शोध पत्र ToRR को प्रस्तुत करता है, जो विविध तालिका प्रारूपों (table formats) और डोमेन में AI मॉडलों की तर्क करने की क्षमताओं और मजबूती का मूल्यांकन करने के लिए डिज़ाइन किया गया एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि शक्तिशाली मॉडल भी भंगुर व्यवहार प्रदर्शित करते हैं और विश्वसनीय प्रदर्शन अनुमान के लिए कई प्रारूपों और प्रॉम्प्ट्स के परीक्षण के महत्वपूर्ण महत्व को रेखांकित करता है।
यह शोध पत्र एक रिट्रीवल-ऑगमेंटेड लॉजिकल रीजनिंग फ्रेमवर्क प्रस्तावित करता है जो जनरेशन से पहले उपयोगकर्ता की क्वेरीज़ में गलत आधारों (false premises) को सक्रिय रूप से पहचानता और सत्यापित करता है, जिससे मॉडल लॉगिट एक्सेस या व्यापक फाइन-ट्यूनिंग की आवश्यकता के बिना एलएलएम (LLM) के मतिभ्रम (hallucinations) को प्रभावी ढंग से कम किया जा सकता है और तथ्यात्मक सटीकता में सुधार किया जा सकता है।
यह शोध पत्र mini-vec2vec को प्रस्तुत करता है, जो एक अत्यधिक कुशल और सुदृढ़ रैखिक रूपांतरण-आधारित विधि है जो समानांतर डेटा के बिना टेक्स्ट एम्बेडिंग स्पेस को संरेखित करती है, जो एक स्केलेबल विकल्प प्रदान करती है जो मूल vec2vec की तुलना में कम्प्यूटेशनल लागत में काफी बेहतर प्रदर्शन करते हुए उसके संरेखण गुणवत्ता के बराबर या उससे अधिक है।
यह शोध पत्र जेनेरेटिव सिमेंटिक वर्कस्पेस (GSW) को प्रस्तुत करता है, जो एक न्यूरो-प्रेरित मेमोरी फ्रेमवर्क है जो एपिसोडिक घटनाओं के संरचित, समय-स्थान-लंगर वाले नैरेटिव निरूपणों का निर्माण करके लार्ज लैंग्वेज मॉडल्स की लॉन्ग-कॉन्टेक्स्ट रीजनिंग को बढ़ाता है, जिससे एपिसोडिक मेमोरी बेंचमार्क पर मौजूदा RAG बेसलाइन्स से 20% तक बेहतर प्रदर्शन करते हुए इन्फरेंस लागतों को महत्वपूर्ण रूप से कम किया जाता है।
यह शोध पत्र चेन ऑफ समरीज़ (CoS) को प्रस्तुत करता है, जो एक द्वंद्वात्मक पद्धति है जो सूचना-सघन, प्लेन-टेक्स्ट रिपॉजिटरी बनाने के लिए प्रश्नों के माध्यम से प्रारंभिक सारांशों को पुनरावृत्ति से परिष्कृत करती है, जो डाउनस्ट्रीम QA कार्यों में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करती है और टोकन उपयोग को कम करने के साथ-साथ वेब सामग्री तक LLM की सुलभता को बढ़ाती है।