11611 पेपर
VowelPrompt एक भाषाई रूप से आधारित ढांचा है जो सूक्ष्म, स्वर-स्तर (vowel-level) की प्रोसोडिक विशेषताओं को प्राकृतिक भाषा के विवरणों में परिवर्तित करके और विविध स्थितियों में बेहतर प्रदर्शन और व्याख्यात्मकता प्राप्त करने के लिए दो-चरणीय SFT और GRPO-आधारित RLVR प्रक्रिया के माध्यम से मॉडल को अनुकूलित करके LLM-आधारित स्पीच इमोशन रिकग्निशन को बढ़ाता है।
यह शोध पत्र 'कॉन्सेक्वेंस-बेस्ड यूटिलिटी' (Consequence-Based Utility) का प्रस्ताव करता है, जो एक ऑरेकल-मुक्त मूल्यांकन पद्धति है जो संबंधित सत्यापन योग्य समस्याओं को हल करने के लिए इन-कॉन्टेक्स्ट उदाहरणों (in-context exemplars) के रूप में उनकी प्रभावशीलता को मापकर अनुसंधान-स्तरीय गणितीय समाधानों का आकलन करती है, और मौजूदा रिवॉर्ड मॉडल्स एवं एलएलएम (LLM) जजों की तुलना में बेहतर रैंकिंग प्रदर्शन प्रदर्शित करती है।
यह शोध पत्र एक नई वर्गीकरण पद्धति (taxonomy), स्पोकबेंच (SpokeBench) बेंचमार्क, फ्लेक्स-यूडी (FLEX-UD) मूल्यांकन मीट्रिक और डीकैप (DECAP) ढांचे को पेश करके बोले गए कोड-स्विचिंग (spoken code-switching) के लिए मानक सिंटैक्टिक पार्सिंग की सीमाओं को संबोधित करता है, जो सामूहिक रूप से मुख्य सिंटैक्टिक विश्लेषण से बोले गए-घटनाओं (spoken-phenomena) के प्रबंधन को अलग करके महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करते हैं।
यह शोध पत्र एडेप्टिव मार्कडाउन फॉर्मेटिंग पर लार्ज लैंग्वेज मॉडल्स के मूल्यांकन के लिए FMBench नामक एक बेंचमार्क प्रस्तुत करता है, और संरचनात्मक अनुपालन को बढ़ाने के साथ-साथ सिमेंटिक फिडेलिटी (अर्थ संबंधी सटीकता) को संतुलित करने के लिए सुपरवाइज्ड फाइन-ट्यूनिंग और रिइन्फोर्समेंट लर्निंग को संयोजित करने वाली एक लाइटवेट अलाइनमेंट पाइपलाइन का प्रस्ताव करता है।
RelayGen एक ट्रेनिंग-फ्री, सेगमेंट-लेवल रनटाइम फ्रेमवर्क है जो जनरेशन अनिश्चितता (generation uncertainty) के आधार पर इन्फरेंस के दौरान बड़े और छोटे मॉडल्स के बीच गतिशील रूप से स्विच करता है, जो बड़े रीजनिंग मॉडल्स की सटीकता को बनाए रखते हुए लेटेंसी को काफी कम कर देता है।
यह शोध पत्र एक गहरे हॉर्सग्लास (hourglass) के आकार के FFN का प्रस्ताव करके ट्रांसफॉर्मर्स में पारंपरिक संकीर्ण-चौड़ा-संकीर्ण (narrow-wide-narrow) MLP डिज़ाइन को चुनौती देता है, और अनुभवजन्य सत्यापन के माध्यम से यह प्रदर्शित करता है कि यह आर्किटेक्चर न केवल मानक मॉडलों के प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन करता है, बल्कि अधिक कुशल पैरामीटर आवंटन को भी सक्षम बनाता है, जैसे कि निश्चित बजट के भीतर बेहतर परिणाम प्राप्त करने के लिए छिपे हुए आयामों (hidden dimensions) का विस्तार करना।
AgentCPM-Report एक हल्का, स्थानीय डीप रिसर्च सिस्टम है जो मानव-समान "Writing As Reasoning" पॉलिसी का लाभ उठाता है, जो ड्राफ्टिंग और गहन शोध (deepening) को गतिशील रूप से आपस में जोड़ता है, जिससे छोटे 8B-पैरामीटर वाले मॉडल अंतर्दृष्टिपूर्ण रिपोर्ट तैयार करने में अग्रणी क्लोज्ड-सोर्स सिस्टम्स से भी बेहतर प्रदर्शन करने में सक्षम होते हैं।
यह शोध पत्र MTQE.en-he को प्रस्तुत करता है, जो मशीन अनुवाद गुणवत्ता अनुमान (Machine Translation Quality Estimation) के लिए पहला सार्वजनिक रूप से उपलब्ध अंग्रेजी-हिब्रू बेंचमार्क है, और यह प्रदर्शित करता है कि कई मॉडलों का एंसेम्बलिंग (ensembling) करना और पैरामीटर-कुशल फाइन-ट्यूनिंग (parameter-efficient fine-tuning) का उपयोग करना इस कम-संसाधन वाले भाषा युग्म पर प्रदर्शन में महत्वपूर्ण सुधार करता है।
Baichuan-M3 एक चिकित्सा-संवर्धित लार्ज लैंग्वेज मॉडल है जो सक्रिय सूचना प्राप्ति, दीर्घकालिक तर्क और अनुकूलन योग्य मतिभ्रम दमन के माध्यम से निष्क्रिय प्रश्न-उत्तर से सक्रिय, चिकित्सक-समान नैदानिक निर्णय सहायता की ओर स्थानांतरित होता है, जो विशेष चिकित्सा बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है और GPT-5.2 से बेहतर प्रदर्शन करता है।
यह शोध पत्र इन्फरेंस-टाइम रीथिंकिंग (Inference-Time Rethinking) का परिचय देता है, जो एक जनरेटिव फ्रेमवर्क है जो तर्क को निरंतर लेटेंट थॉट वेक्टर्स (continuous latent thought vectors) और मौखिक ट्रेस (verbalized traces) में अलग करता है ताकि पुनरावृत्ति स्व-सुधार (iterative self-correction) सक्षम हो सके, जिससे एक छोटा 0.2B-पैरामीटर वाला मॉडल विशाल पैरामीटर गणनाओं के बजाय परिष्कृत इन्फरेंस-टाइम कंप्यूटेशन के माध्यम से गणितीय तर्क कार्यों पर काफी बड़े बेसलाइन मॉडल्स को भी पीछे छोड़ देता है।