11611 पेपर
यह शोध पत्र Min-NN डिस्टेंस को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स डिटेक्शन विधि है जो देखे गए प्रॉम्प्ट्स पर मॉडल जनरेशन के संरचनात्मक अभिसरण (structural convergence) और कम हुई विविधता को मापकर RLVR प्रशिक्षण डेटा की पहचान करती है, जो प्रभावी रूप से मॉडल के आंतरिक विवरणों तक पहुँच की आवश्यकता के बिना मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक सबवर्ड एम्बेडिंग-आधारित पद्धति प्रस्तावित करता है जो लक्ज़मबर्गिश उपयोगकर्ता टिप्पणियों में शाब्दिक और वर्तनी संबंधी विविधताओं को स्वचालित रूप से पहचानने और क्लस्टर करने के लिए कच्चे टेक्स्ट पर प्रशिक्षण लेता है, यह प्रदर्शित करते हुए कि वितरण संबंधी मॉडलिंग पूर्व सामान्यीकरण या मैन्युअल एनोटेशन पर निर्भर किए बिना कम-संसाधन वाले, शोर वाले परिवेश में अर्थपूर्ण भाषाई पैटर्न को प्रभावी ढंग से प्रकट कर सकती है।
यह शोध पत्र LLMs और ऑन्टोलॉजी-संचालित प्रॉक्सी मेट्रिक्स का उपयोग करके वित्तीय ट्रिपलेट्स (triplets) निकालने के लिए एक अर्ध-स्वचालित पाइपलाइन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि स्वचालित रूप से प्रेरित ऑन्टोलॉजी स्कीमा ड्रिफ्ट (schema drift) को समाप्त करती है जबकि एक हाइब्रिड सत्यापन रणनीति मतिभ्रम (hallucination) की दरों को महत्वपूर्ण रूप से कम करती है और विषय-विषय (subject-object) पीढ़ी में व्यवस्थित विषमताओं को प्रकट करती है।
यह शोध पत्र एक "बेंचमार्क भ्रम" (benchmark illusion) को प्रकट करता है जहाँ समान सटीकता वाले बड़े भाषा मॉडल (large language models) तर्क संबंधी कार्यों पर महत्वपूर्ण असहमति प्रदर्शित करते हैं, जिससे मॉडल चयन एक छिपा हुआ लेकिन महत्वपूर्ण चर बन जाता है जो शिक्षा और राजनीति विज्ञान जैसे क्षेत्रों में वैज्ञानिक निष्कर्षों को नाटकीय रूप से बदल सकता है या यहाँ तक कि उलट भी सकता है।
यह शोध पत्र चुनौतीपूर्ण PDF-टू-मार्डाउन रूपांतरण कार्यों पर विजन-लैंग्वेज मॉडल्स के मूल्यांकन के लिए एक फ्रांसीसी-केंद्रित बेंचमार्क प्रस्तुत करता है, जो मॉडल-असहमति सैंपलिंग और विशिष्ट सामान्यीकरण मेट्रिक्स का उपयोग करता है ताकि यह प्रदर्शित किया जा सके कि जबकि प्रोप्रायटरी मॉडल्स जटिल हस्तलिखित और फॉर्म-आधारित दस्तावेजों पर उत्कृष्ट हैं, कई ओपन-वेट्स सिस्टम मानक मुद्रित लेआउट के लिए प्रतिस्पर्धी बने हुए हैं।
यह शोध पत्र DHPLT को प्रस्तुत करता है, जो 41 भाषाओं में बड़े पैमाने के, बहुभाषी कालक्रमिक संग्रहों (diachronic corpora) से युक्त एक खुला संसाधन है जिसमें पूर्व-गणनाकृत एम्बेडिंग्स और लेक्सिकल प्रतिस्थापन शामिल हैं, जिसे उच्च-संसाधन वाली भाषाओं से परे अर्थ परिवर्तन मॉडलिंग के लिए डेटा की कमी को दूर करने के लिए डिज़ाइन किया गया है।
यह अध्ययन कॉमन वल्नरेबिलिटीज एंड एक्सपोज़र्स (CVE) विवरणों को स्वचालित रूप से सरल बनाने की लार्ज लैंग्वेज मॉडल्स की क्षमता का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि वे पठनीयता बढ़ा सकते हैं, लेकिन वे वर्तमान में मूल तकनीकी अर्थ को संरक्षित करने में संघर्ष करते हैं।
DeepSight एक नवीन, ओपन-सोर्स टूलकिट है जो बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के लिए सुरक्षा मूल्यांकन और निदान को एकीकृत करता है, जो वर्तमान खंडित सुरक्षा वर्कफ़्लो की सीमाओं को दूर करने के लिए ब्लैक-बॉक्स व्यवहार संबंधी मूल्यांकन से व्हाइट-बॉक्स आंतरिक मूल कारण विश्लेषण की ओर संक्रमण करता है।
यह शोध पत्र Meta-Sel को प्रस्तुत करता है, जो एक हल्का, सुपर्वाइज्ड मेटा-लर्निंग दृष्टिकोण है जो सरल विशेषताओं पर प्रशिक्षित एक व्याख्या योग्य लॉजिस्टिक रिग्रेसर का उपयोग करके इन-कॉन्टेक्स्ट लर्निंग प्रदर्शनों को कुशलतापूर्वक चुनता है, और बिना किसी फाइन-ट्यूनिंग या अतिरिक्त LLM कॉल्स की आवश्यकता के विविध मॉडलों और डेटासेट्स में शीर्ष-स्तरीय प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक नवीन लॉसलेस डेटा संपीड़न विधि का प्रस्ताव करता है जो डेटा को डिस्क्रीट टोकन अनुक्रमों में एनकोड करने के लिए T5 आर्किटेक्चर पर ऑफ-पॉलिसी सुदृढीकरण शिक्षण (Reinforcement Learning) का उपयोग करता है, जिससे संरचनात्मक अखंडता सुरक्षित रहती है और पारंपरिक वेक्टर-आधारित डीप लर्निंग दृष्टिकोणों की तुलना में बेहतर संपीड़न अनुपात प्राप्त होता है।