11611 पेपर
यह शोध पत्र CORE को प्रस्तुत करता है, जो एक ऐसी अनुकूलन विधि है जो LLM-आधारित जनरेटिव इंजनों के आउटपुट रैंकिंग को हेरफेर करने के लिए खोज इंजन के परिणामों में रणनीतिक रूप से सामग्री जोड़ती है, जिससे सामग्री की प्रवाहपूर्णता बनाए रखते हुए कई मॉडलों और श्रेणियों में लक्षित उत्पादों के लिए उच्च प्रचार सफलता दर प्राप्त होती है।
यह शोध पत्र ट्रस्ट रीजन एंट्रॉपी (TRE) का प्रस्ताव करता है, जो एक नवीन अन्वेषण विधि है जो लार्ज लैंग्वेज मॉडल्स में संचयी टेल रिस्क (cumulative tail risk) को कम करने के लिए मॉडल के ट्रस्ट रीजन तक एंट्रॉपी रेगुलराइजेशन को प्रतिबंधित करती है, जिससे यह गणितीय तर्क, कॉम्बिनेटोरियल सर्च और प्रेफरेंस अलाइनमेंट कार्यों में मानक तकनीकों से बेहतर प्रदर्शन करती है।
यह ट्यूटोरियल एआई (AI) विषयों के बीच तर्क (reasoning) पर बिखरे हुए शोध को जोड़ने के लिए एक एकीकृत विश्लेषणात्मक ढांचे का प्रस्ताव करता है, जो सूचना पुनर्प्राप्ति (information retrieval) शोधकर्ताओं को विविध अनुमान रणनीतियों (inference strategies) को एकीकृत करने के लिए मार्गदर्शन करता है ताकि ऐसे सिस्टम बनाए जा सकें जो तार्किक बाधाओं, बहु-चरणीय तर्क और साक्ष्य संश्लेषण (evidence synthesis) को संभालने में सक्षम हों।
यह शोध पत्र CoRSA का प्रस्ताव करता है, जो एक पैरामीटर-कुशल प्रशिक्षण ढांचा है जो ज्ञान के संघर्षों को हल करता है और लॉस कर्वेचर (loss curvature) को न्यूनतम करता है ताकि कई ज्ञान संस्करोधों (knowledge edits) से गुजर रहे बड़े भाषा मॉडलों में सामान्यीकरण, स्थिरता और अपडेट प्रभावकारिता में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र ReQUESTA को प्रस्तुत करता है, जो एक हाइब्रिड मल्टी-एजेंट फ्रेमवर्क है जो संज्ञानात्मक रूप से विविध और साइकोमेट्रिक रूप से श्रेष्ठ बहुविकल्पीय प्रश्न व्यवस्थित रूप से उत्पन्न करने के लिए नियम-आधारित घटकों के साथ लार्ज लैंग्वेज मॉडल्स को ऑर्केस्ट्रेट करता है, जो कठिनाई, विभेदन और पठन बोध लक्ष्यों के साथ संरेखण में सिंगल-पास ज़ीरो-शॉट बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र ID-MoCQA को प्रस्तुत करता है, जो इंडोनेशियाई परंपराओं पर आधारित पहला बड़े पैमाने का द्विभाषी मल्टी-हॉप प्रश्न उत्तर देने वाला डेटासेट है, जिसे सरल तथ्य प्राप्ति से परे जटिल सांस्कृतिक तर्क करने में बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के प्रदर्शन और उनकी सीमाओं का कठोरता से मूल्यांकन करने और उन्हें उजागर करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र BranPO को प्रस्तुत करता है, जो एक वैल्यू-फ्री सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) विधि है जो कंट्रास्टिव डायनेमिक ब्रांच सैंपलिंग का उपयोग करके ट्राजेक्टरी टेल्स (trajectory tails) से स्टेप-लेवल सुपरविजन उत्पन्न करके लॉन्ग-होराइजन सेटिंग्स में मल्टी-टर्न सर्च एजेंटों में सुधार करती है, जिससे स्पार्स रिवार्ड्स और कम्प्यूटेशनल अक्षमताओं पर काबू पाते हुए प्रश्न-उत्तर बेंचमार्क पर बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र CUBO को प्रस्तुत करता है, जो एक स्व-निहित रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) प्लेटफॉर्म है जिसे 16 GB RAM वाले उपभोक्ता लैपटॉप पर चलाने के लिए इंजीनियर किया गया है, जो प्रतिस्पर्धी रिट्रीवल प्रदर्शन के साथ 10 GB दस्तावेज़ कॉर्पोरा के GDPR-अनुपालन स्थानीय प्रसंस्करण को सक्षम बनाता है।
यह शोध पत्र FullStack-Agent को प्रस्तुत करता है, जो एक एकीकृत प्रणाली है जिसमें एक मल्टी-एजेंट डेवलपमेंट फ्रेमवर्क, एक स्व-सुधार (self-improving) डेटा-स्केलिंग विधि और एक व्यापक बेंचमार्क शामिल है, जो सामूहिक रूप से LLMs को मौजूदा अत्याधुनिक तरीकों की तुलना में फ्रंटएंड, बैकएंड और डेटाबेस कार्यात्मकताओं में काफी बेहतर प्रदर्शन के साथ प्रोडक्शन-लेवल के फुल-स्टैक वेब एप्लिकेशन उत्पन्न करने में सक्षम बनाता है।
यह शोध पत्र CROSS-ALIGN+ प्रस्तुत करता है, जो एक तीन-चरणीय ढांचा है जो सांस्कृतिक अंधापन को दूर करने के लिए संरचित ज्ञान को एकीकृत करने, व्यंग्य-अपमान की सीमाओं को स्पष्ट करने के लिए पैरामीटर-कुशल एडेप्टरों का उपयोग करने और बेहतर व्याख्यात्मकता के लिए क्रमिक स्पष्टीकरण उत्पन्न करने के माध्यम से मीम-आधारित सामाजिक दुर्व्यवहार का पता लगाने में सुधार करता है, जिससे यह कई बेंचमार्क पर मौजूदा विधियों से बेहतर प्रदर्शन करता है।