11611 पेपर
यह शोध पत्र रिइन्फोर्स्ड करिकुलम प्री-अलाइनमेंट (RCPA) का प्रस्ताव करता है, जो एक नवीन पोस्ट-ट्रेनिंग प्रतिमान (पैराडाइम) है जो विजन-लैंग्वेज मॉडल्स को विशिष्ट डोमेन के अनुकूल बनाने के लिए एक करिकुलम-अवेयर प्रोग्रेसिव मॉड्यूलेशन मैकेनिज्म का उपयोग करता है, जबकि कैटास्ट्रोफिक फॉरगेटिंग और ऑप्टिमाइजेशन कोलैप्स को रोकता है।
यह शोध पत्र टोकन कंस्ट्रेंट बाउंड () का परिचय देता है, जो एक नया मीट्रिक है जो यह मापने के माध्यम से एक LLM की आंतरिक भविष्य कहने वाली प्रतिबद्धता (predictive commitment) की स्थिरता को परिमाणित करता है कि एक मॉडल का शीर्ष टोकन अनुमान बदलने से पहले वह कितना इनपुट व्यवधान (input perturbation) सहन कर सकता है, जो पारंपरिक मेट्रिक्स जैसे कि परप्लेक्सिटी (perplexity) की तुलना में प्रासंगिक विश्वसनीयता का आकलन करने का एक अधिक सुदृढ़ तरीका प्रदान करता है।
यह शोध पत्र एक नैदानिक ढांचे (diagnostic framework) को प्रस्तुत करता है जो यह प्रदर्शित करता है कि यद्यपि LLMs बुनियादी इकाई निष्कर्षण (entity extraction) करने में सक्षम हैं, फिर भी वे मेटा-विश्लेषण के लिए आवश्यक जटिल संबंधात्मक बंधन (relational binding) और संख्यात्मक ग्राउंडिंग (numerical grounding) में काफी विफल रहते हैं, जिससे व्यवस्थित संरचनात्मक त्रुटियां उत्पन्न होती हैं जो स्वचालित साक्ष्य निष्कर्षण को अविश्वसनीय बना देती हैं।
CLEF-2026 FinMMEval Lab विविध भाषाओं और प्रारूपों में तर्क (reasoning), प्रश्नोत्तर (question answering) और निर्णय लेने (decision-making) की क्षमताओं का आकलन करने के लिए डिज़ाइन किए गए तीन परस्पर जुड़े कार्यों के माध्यम से वित्तीय लार्ज लैंग्वेज मॉडल्स (LLMs) के लिए पहला बहुभाषी और बहुआयामी (multimodal) मूल्यांकन ढांचा प्रस्तुत करता है।
यह शोध पत्र रोटरी पोजीशनल एम्बेडिंग्स (RoPE) को फेज मॉड्यूलेशन के रूप में पुनर्व्याख्या करता है ताकि RoPE बेस पैरामीटर पर सैद्धांतिक निम्नतम और उच्चतम सीमाएँ प्राप्त की जा सकें, जो परिशुद्धता और गहराई के एक "गोल्डिलॉक्स ज़ोन" को स्थापित करता है जो दीर्घ-संदर्भ मॉडलिंग (long-context modeling) की व्यवहार्यता को निर्धारित करता है।
यह शोध पत्र **MisAlign-Profile** को प्रस्तुत करता है, जो **MISALIGNTRADE** डेटासेट से युक्त एक एकीकृत बेंचमार्क है, जिसे लार्ज लैंग्वेज मॉडल्स (Large Language Models) में सुरक्षा, मूल्य और सांस्कृतिक आयामों के बीच जटिल ट्रेड-ऑफ्स को व्यवस्थित रूप से मापने और उनका लक्षण वर्णन करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र QRAFT को प्रस्तुत करता है, जो एक LLM-आधारित एजेंटिक फ्रेमवर्क है जिसे मानव कार्यप्रवाहों की नकल करके पूर्ण तथ्य-जांच (fact-checking) लेखों के निर्माण को स्वचालित करने के लिए डिज़ाइन किया गया है, और विशेषज्ञ मानव मूल्यांकन के माध्यम से इसके प्रदर्शन का मूल्यांकन करता है।
कोचेन (Cochain) एक सहयोगपूर्ण प्रॉम्प्टिंग फ्रेमवर्क है जो एक बहु-चरणीय नॉलेज ग्राफ और एक प्रॉम्प्ट ट्री को एकीकृत करके व्यावसायिक वर्कफ़्लो को अनुकूलित करता है, जो प्रभावी रूप से टोकन लागत और जटिलता को कम करते हुए चेन-ऑफ-थॉट की तर्क गहराई और मल्टी-एजेंट सिस्टम की सामूहिक बुद्धिमत्ता के बीच संतुलन बनाता है।
यह अध्ययन प्रदर्शित करता है कि मैग्नेटोएन्सेफालोग्राफी (MEG) संकेत निष्क्रिय श्रवण की तुलना में प्रत्यक्ष वाक् उत्पादन के दौरान ध्वन्यात्मक युग्मों को अधिक सटीक रूप से डिकोड कर सकते हैं, जिसमें निम्न-आवृत्ति दोलन और इलास्टिक नेट जैसे नियमितीकृत रैखिक मॉडल डिकोडिंग के लिए सबसे प्रभावी सिद्ध होते हैं।
MAPS एक नया बहुभाषी बेंचमार्क सुइट है जो चार प्रमुख बेंचमार्क (GAIA, SWE-Bench, MATH, और Agent Security) से कार्यों का अनुवाद करके ग्यारह भाषाओं में एजेंटिक एआई प्रणालियों के प्रदर्शन और सुरक्षा का मूल्यांकन करता है, जिससे यह प्रकट होता है कि अंग्रेजी से अन्य भाषाओं में संक्रमण करने से अक्सर विश्वसनीयता में गिरावट आती है और सुरक्षा जोखिम बढ़ जाते हैं।