💬 Category

cs.CL

11611 पेपर

💬 NLP

A Human-in-the-Loop, LLM-Centered Architecture for Knowledge-Graph Question Answering

यह शोध पत्र एक संवादात्मक, मानव-इन-द-लूप फ्रेमवर्क प्रस्तुत करता है जो नॉलेज ग्राफ के लिए साइफर (Cypher) क्वेरी उत्पन्न करने और समझाने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे उपयोगकर्ता विविध डोमेन में सटीक, व्याख्यात्मक और कठोर प्रश्नोत्तर प्राप्त करने के लिए प्राकृतिक भाषा के अनुरोधों को पुनरावृत्ति के साथ परिष्कृत कर सकते हैं।

Larissa Pusch, Alexandre Courtiol, Tim Conrad2026-02-09
💬 NLP

SAGE: Benchmarking and Improving Retrieval for Deep Research Agents

यह शोध पत्र SAGE को प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जो यह प्रकट करता है कि क्वेरी जनरेशन मिसमैच के कारण डीप रिसर्च एजेंटों में LLM-आधारित रिट्रिवर्स पारंपरिक कीवर्ड विधियों की तुलना में कम प्रदर्शन करते हैं, और एक कॉर्पस-स्तरीय टेस्ट-टाइम स्केलिंग फ्रेमवर्क का प्रस्ताव करता है जो दस्तावेजों को LLM-जनरेटेड मेटाडेटा के साथ संवर्धित करके रिट्रीवल प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।

Tiansheng Hu, Yilun Zhao, Canyu Zhang, Arman Cohan, Chen Zhao2026-02-09
💬 NLP

Recontextualizing Famous Quotes for Brand Slogan Generation

यह शोध पत्र एक मॉड्यूलर ढांचे का प्रस्ताव करता है जो नवीन और व्यक्तित्व-अनुरूप ब्रांड स्लोगन उत्पन्न करने के लिए प्रसिद्ध उद्धरणों को पुन: संदर्भित करता है, जो वर्तमान एलएलएम-आधारित दृष्टिकोणों की शैलीगत अतिरेकता को संबोधित करता है और व्यापक मूल्यांकन के माध्यम से विविधता, नवीनता और भावनात्मक प्रभाव में बेहतर प्रदर्शन प्रदर्शित करता है।

Ziao Yang, Zizhang Chen, Lei Zhang, Hongfu Liu2026-02-09
💬 NLP

Relevance-aware Multi-context Contrastive Decoding for Retrieval-augmented Visual Question Answering

यह शोध पत्र Relevance-aware Multi-context Contrastive Decoding (RMCD) का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) डिकोडिंग विधि है जो अप्रासंगिक स्रोतों से शोर को दबाते हुए उपयोगी जानकारी को प्रभावी ढंग से एकत्रित करने के लिए उनकी प्रासंगिकता के आधार पर कई पुनर्प्राप्त संदर्भों (retrieved contexts) को अनुकूल रूप से भारित करके रिट्रीवल-ऑगमेंटेड विजुअल क्वेश्चन अनस्विरिंग (Retrieval-augmented Visual Question Answering) को बेहतर बनाती है।

Jongha Kim, Byungoh Ko, Jeehye Na, Jinsung Yoon, Hyunwoo J. Kim2026-02-09
💬 NLP

Analyzing Diffusion and Autoregressive Vision Language Models in Multimodal Embedding Space

यह शोध पत्र एम्बेडिंग टूल्स के रूप में मल्टीमॉडल डिफ्यूजन लैंग्वेज मॉडल्स और ऑटोरेग्रेसिव विजन लैंग्वेज मॉडल्स की तुलना करने वाला पहला व्यवस्थित अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि यद्यपि पूर्व अपर्याप्त इमेज-टेक्स्ट संरेखण के कारण आम तौर पर कम प्रदर्शन करते हैं, फिर भी विशिष्ट मॉडलों के बीच प्रदर्शन का अंतर काफी भिन्न होता है।

Zihang Wang, Siyue Zhang, Yilun Zhao, Jingyi Yang, Tingyu Song, Anh Tuan Luu, Chen Zhao2026-02-09
💬 NLP

Uncertainty Drives Social Bias Changes in Quantized Large Language Models

यह अध्ययन प्रकट करता है कि पोस्ट-ट्रेनिंग क्वांटाइजेशन अनिश्चितता-प्रेरित "मास्क्ड बायस फ्लिपिंग" के माध्यम से लार्ज लैंग्वेज मॉडल्स के सामाजिक पूर्वाग्रहों को मौलिक रूप से बदल देता है, जिससे महत्वपूर्ण और विषम जनसांख्यिकीय बदलाव आते हैं जो व्यक्तिगत प्रतिक्रियाओं में पर्याप्त परिवर्तनों के बावजूद समग्र मेट्रिक्स द्वारा अनपेक्षित रहते हैं।

Stanley Z. Hua, Sanae Lotfi, Irene Y. Chen2026-02-09
💬 NLP

PhenoLIP: Integrating Phenotype Ontology Knowledge into Medical Vision-Language Pretraining

यह शोध पत्र PhenoLIP को प्रस्तुत करता है, जो एक नवीन मेडिकल विजन-लैंग्वेज प्रीट्रेनिंग फ्रेमवर्क है जो मौजूदा अत्याधुनिक मॉडलों की तुलना में फेनोटाइप रिकग्निशन और क्रॉस-मोडल रिट्रीवल प्रदर्शन को महत्वपूर्ण रूप से बढ़ाने के लिए एक बड़े पैमाने के फेनोटाइप-केंद्रित नॉलेज ग्राफ (PhenoKG) और एक टीचर-गाइडेड नॉलेज डिस्टिलेशन रणनीति का लाभ उठाता है।

Cheng Liang, Chaoyi Wu, Weike Zhao, Ya Zhang, Yanfeng Wang, Weidi Xie2026-02-09
💬 NLP

Generics in science communication: Misaligned interpretations across laypeople, scientists, and large language models

यह अध्ययन प्रकट करता है कि आम लोग और लार्ज लैंग्वेज मॉडल्स वैज्ञानिक सामान्यीकरणों (scientific generics) की व्याख्या वैज्ञानिकों की तुलना में अधिक व्यापक और विश्वसनीय रूप से करते हैं, जो मानव और एआई-मध्यस्थ विज्ञान प्रसार दोनों में गलत संचार और अति-सामान्यीकरण के महत्वपूर्ण जोखिमों को रेखांकित करता है।

Uwe Peters, Andrea Bertazzoli, Jasmine M. DeJesus, Gisela J. van der Velden, Benjamin Chin-Yee2026-02-09
💬 NLP

Learning Rate Scaling across LoRA Ranks and Transfer to Full Finetuning

यह शोध पत्र मैक्सिमल-अपडेट अडैप्टेशन (μ\muA) प्रस्तुत करता है, जो एक सैद्धांतिक ढांचा है जो यह परिभाषित करता है कि इष्टतम लर्निंग रेट्स (learning rates), लोरा (LoRA) रैंक और इनिशियलाइजेशन के साथ कैसे स्केल होते हैं, जिससे अभ्यासकर्ताओं को विविध कार्यों में कुशल लोरा प्रयोगों से ट्यून किए गए लर्निंग रेट्स को फुल फाइनट्यूनिंग (full finetuning) में स्थानांतरित करने में सक्षम बनाया जा सके।

Nan Chen, Soledad Villar, Soufiane Hayou2026-02-09
💬 NLP

Steering Safely or Off a Cliff? Rethinking Specificity and Robustness in Inference-Time Interventions

यह शोध पत्र लार्ज लैंग्वेज मॉडल्स में इन्फरेंस-टाइम इंटरवेंशन की विशिष्टता का मूल्यांकन करने के लिए एक फ्रेमवर्क प्रस्तुत करता है और यह प्रदर्शित करता है कि जहाँ स्टीयरिंग विधियाँ सामान्य क्षमताओं को नुकसान पहुँचाए बिना लक्षित व्यवहारों को प्रभावी ढंग से नियंत्रित करती हैं, वहीं वे मजबूती बनाए रखने में गंभीर रूप से विफल रहती हैं, जिससे वितरण बदलाव (डिस्ट्रीब्यूशन शिफ्ट) के तहत अक्सर जेलब्रेक जैसे सुरक्षा खतरों के प्रति संवेदनशीलता बढ़ जाती है।

Navita Goyal, Hal Daumé2026-02-09