11611 पेपर
यह शोध पत्र कॉमन ऑब्जेक्ट्स आउट-ऑफ-कॉन्टेक्स्ट (COOCo) डेटासेट प्रस्तुत करता है ताकि यह जांचा जा सके कि विजन-लैंग्वेज मॉडल्स (VLMs) संदर्भ उत्पन्न करते समय स्थानीय ऑब्जेक्ट फीचर्स और वैश्विक दृश्य संदर्भ के बीच कैसे संतुलन बनाते हैं, जो यह प्रकट करता है कि मॉडल सिमेंटिक कॉन्ग्रुएंसी और शोर के स्तर के आधार पर संदर्भ का अनुकूल रूप से उपयोग करते हैं।
यह शोधपत्र एक नवीन, स्पष्ट एनोटेशन स्कीमा और 'Sci-Sentence' नामक एक बहुविषयक बेंचमार्क प्रस्तुत करता है, जिसका उद्देश्य वैज्ञानिक साहित्य में वाक्यों की अलंकारिक भूमिकाओं (rhetorical roles) को वर्गीकृत करने की बड़े भाषा मॉडल (large language models) की क्षमता का मूल्यांकन और सुधार करना है।
यह शोध पत्र IAPO को प्रस्तुत करता है, जो एक नया फ्रेमवर्क है जो ब्लैक-बॉक्स लार्ज लैंग्वेज मॉडल्स को उपयोगकर्ता की प्राथमिकताओं और कम्प्यूटेशनल बजट के साथ बेहतर ढंग से संरेखित करने के लिए प्रॉम्प्ट्स और इन्फरेंस स्केलिंग रणनीतियों (जैसे कि Best-of-N सैंपलिंग) को संयुक्त रूप से अनुकूलित करता है।
यह शोधपत्र विशाल कॉर्पोरा के व्याकरणिक एनोटेशन को स्वचालित करने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करते हुए एक स्केलेबल, चार-चरणीय पाइपलाइन प्रस्तुत करता है, जो अंग्रेजी के "consider" निर्माण के एक कालक्रमिक अध्ययन के माध्यम से अपनी प्रभावशीलता को प्रदर्शित करता है जो भाषाई परिवर्तन के नए पैटर्न को प्रकट करता है।
ReForm एक रिफ्लेक्टिव ऑटोफॉर्मलाइजेशन विधि है जो प्रोस्पेक्टिव बाउंडेड सीक्वेंस ऑप्टिमाइजेशन (PBSO) नामक एक नवीन प्रशिक्षण तकनीक के साथ इटरेटिव सेल्फ-करेक्शन को एकीकृत करके प्राकृतिक भाषा गणित को औपचारिक कथनों में अनुवादित करने की सिमेंटिक सटीकता में सुधार करती है।
यह शोध पत्र एक सुदृढीकरण लर्निंग (reinforcement learning) ढांचे को प्रस्तुत करता है जो एक सिम्युलेटेड क्लिनिकल वातावरण (DiagGym) के भीतर नैदानिक एजेंटों (DiagAgent) को मल्टी-टर्न इंटरैक्टिव डायग्नोसिस में महारत हासिल करने के लिए प्रशिक्षित करता है, जो नैदानिक सटीकता और क्लिनिकल रीजनिंग दोनों में मौजूदा लार्ज लैंग्वेज मॉडल्स से काफी बेहतर प्रदर्शन करता है।
TOPol एक अर्ध-पर्यवेक्षित (semi-unsupervised) ढांचा है जो बहुआयामी अर्थ संबंधी ध्रुवीयता क्षेत्रों (semantic polarity fields) के पुनर्निर्माण और व्याख्या के लिए ट्रांसफॉर्मर एम्बेडिंग, UMAP प्रोजेक्शन और लीडन पार्टिशनिंग का उपयोग करता है, जिससे मानव-निर्धारित प्रासंगिक सीमाओं के बीच सूक्ष्म विमर्श परिवर्तनों (discourse shifts) का पता लगाना और उनकी व्याख्या करना संभव हो पाता है।
यह शोध पत्र **Text2SQL-Flow** का प्रस्ताव करता है, जो एक SQL-जागरूक डेटा संवर्धन ढांचा (data augmentation framework) है जो **SQLFlow** नामक एक बड़े पैमाने के, उच्च-गुणवत्ता वाले डेटासेट को उत्पन्न करता है ताकि Text-to-SQL कार्यों के लिए ओपन-सोर्स LLMs के फाइन-ट्यूनिंग प्रदर्शन और क्लोज्ड-सोर्स LLMs की रिट्रीवल-आधारित सटीकता को बढ़ाया जा सके।
यह शोध पत्र "लर्निंग टू लुक अहेड" (LTLA) प्रस्तावित करता है, जो एक हाइब्रिड विधि है जो पूर्ण-शब्दावली पुनर्मूल्यांकन (full-vocabulary rescoring) की उच्च कम्प्यूटेशनल लागत के बिना, विशिष्ट बाधाओं (जैसे कि सिंटैक्स या सुरक्षा) की ओर ऑटोरेग्रेसिव लैंग्वेज मॉडल्स को कुशलतापूर्वक निर्देशित करने के लिए एक साझा, सुलभ हिडन मार्कोव मॉडल (HMM) को न्यूरल एम्बेडिंग्स के साथ जोड़ता है।
यह शोध पत्र MEGConformer प्रस्तुत करता है, जो एक संक्षिप्त Conformer-आधारित आर्किटेक्चर है जो विशेष संवर्धन (augmentation), सामान्यीकरण (normalization) और वेटिंग तकनीकों के माध्यम से स्पीच डिटेक्शन और फोनम क्लासिफिकेशन के लिए LibriBrain 2025 बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।