11611 पेपर
यह शोध पत्र एक प्रशिक्षण-मुक्त, सुरक्षा-जागरूक लेयर स्वैपिंग विधि का प्रस्ताव करता है जो विशेष मॉड्यूल को अनुकूल रूप से चुनकर अंग्रेजी विशेषज्ञ मॉडलों से कम-संसाधन वाली भाषाओं के विशेषज्ञों में सुरक्षा संरेखण (सेफ्टी अलाइनमेंट) को स्थानांतरित करता है, जिससे सामान्य भाषाई प्रदर्शन से समझौता किए बिना बहुभाषी सुरक्षा को बढ़ाया जा सके।
यह शोध पत्र रिइन्फोर्स्ड अटेंशन लर्निंग (RAL) प्रस्तुत करता है, जो एक पॉलिसी-ग्रेडिएंट फ्रेमवर्क है जो मल्टीमॉडल एलएलएम (Multimodal LLMs) में धारणा और ग्राउंडिंग को महत्वपूर्ण रूप से बढ़ाने के लिए आउटपुट टोकन के बजाय आंतरिक अटेंशन डिस्ट्रीब्यूशन को अनुकूलित करता है, जो विविध बेंचमार्क पर पारंपरिक सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोणों और मानक ज्ञान आसवन (knowledge distillation) से बेहतर प्रदर्शन करता है।
यह शोध पत्र SciClaimEval को प्रस्तुत करता है, जो एक क्रॉस-मोडल वैज्ञानिक दावा सत्यापन डेटासेट है जिसमें प्रकाशित शोध पत्रों के चित्रों और तालिकाओं में संशोधन करके प्राप्त प्रामाणिक दावों और साक्ष्यों की विशेषता है, जो वर्तमान मल्टीमॉडल फाउंडेशन मॉडल्स और मानव विशेषज्ञों के बीच, विशेष रूप से चित्र-आधारित सत्यापन में, महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है।
यह शोध पत्र Bielik Guard को प्रस्तुत करता है, जो एक कम्युनिटी-एनोटेटेड डेटासेट पर फाइन-ट्यून किए गए पोलिश भाषा के कुशल, कॉम्पैक्ट सुरक्षा क्लासिफायर का एक परिवार है, जो पांच सुरक्षा डोमेन में सामग्री को प्रभावी ढंग से वर्गीकृत करते हुए सटीकता और फॉल्स पॉजिटिव दरों में मौजूदा मॉडलों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स (LLMs) में लैंग्वेज-स्विचिंग बैकडोर्स का पहला यांत्रिक विश्लेषण प्रस्तुत करता है, जो यह प्रकट करता है कि ट्रिगर-एक्टिवेटेड अटेंशन हेड्स प्राकृतिक भाषा-प्रसंस्करण सर्किट के साथ महत्वपूर्ण रूप से ओवरलैप होते हैं, जो यह संकेत देता है कि बैकडोर्स अलग तंत्र बनाने के बजाय मौजूदा मॉडल घटकों का उपयोग करते हैं।
यह शोध पत्र 370 मिनिमल पेयर्स (minimal pairs) के एक नए निर्मित डेटासेट का उपयोग करके जॉर्जियाई की स्प्लिट-एर्गेटिव केस अलाइनमेंट (split-ergative case alignment) पर ट्रांसफॉर्मर-आधारित भाषा मॉडलों का मूल्यांकन करता है, जो यह प्रकट करता है कि मॉडल दुर्लभ एर्गेटिव केस के साथ सबसे अधिक संघर्ष करते हैं क्योंकि इसकी आवृत्ति कम है और डेटा की कमी है, जबकि वे अधिक सामान्य nominative केस पर सर्वश्रेष्ठ प्रदर्शन करते हैं।
यह शोध पत्र "टोकन ओवरफ्लो" को परिभाषित करके रिट्रीवल-ऑगमेंटेड जनरेशन के लिए संकुचित टोकन रिप्रजेंटेशन में सूचना हानि की चुनौती को संबोधित करता है और यह प्रदर्शित करता है कि हल्के, क्वेरी-अवेयर प्रोबिंग क्लासिफायर उच्च सटीकता के साथ इस स्थिति का प्रभावी ढंग से पता लगा सकते हैं, जिससे संपीड़न-प्रेरित त्रुटियों को कम करने के लिए कम लागत वाला प्री-प्रोसेसिंग सक्षम होता है।
यह शोध पत्र पहला व्यवस्थित अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि जनसांख्यिकीय-आधारित व्यक्तित्व असाइनमेंट विविध डोमेन में लार्ज लैंग्वेज मॉडल एजेंटों के प्रदर्शन और विश्वसनीयता को महत्वपूर्ण रूप से कम कर सकते हैं, जो एक महत्वपूर्ण भेद्यता को उजागर करता है जहाँ कार्य-अप्रासंगिक संकेत व्यवहार संबंधी पूर्वाग्रह और निर्णय लेने की अस्थिरता उत्पन्न करते हैं।
यह शोधपत्र MusicRecoIntent प्रस्तुत करता है, जो रेडिट (Reddit) के एनोटेटेड संगीत अनुरोधों का एक संग्रह है जो उपयोगकर्ता के इरादे को प्रकट करने के लिए प्राथमिकता-युक्त विवरणों को लेबल करता है और बेहतर संगीत अनुशंसा प्रणालियों के लिए इन स्पष्ट और संदर्भ-निर्भर संकेतों को निकालने की लार्ज लैंग्वेज मॉडल्स (LLMs) की क्षमता का मूल्यांकन करता है।
यह शोध पत्र RBCorr का परिचय देता है, जो एक सरल और प्रभावी रणनीति है जो विभिन्न कार्यों और प्रारूपों में भाषा मॉडलों में प्रचलित प्रतिक्रिया पूर्वाग्रहों (response biases) को ठीक करती है, जिससे उनके प्रदर्शन में सुधार होता है और यह सुनिश्चित होता है कि मूल्यांकन उनकी वास्तविक क्षमताओं को अधिक सटीक रूप से दर्शाते हैं।