11670 पेपर
यह रिपोर्ट Qwen3-ASR परिवार को प्रस्तुत करती है, जिसमें दो उच्च-प्रदर्शन वाले, ऑल-इन-वन स्पीच रिकग्निशन मॉडल (0.6B और 1.7B पैरामीटर्स) और एक नवीन नॉन-ऑटोरेग्रेसिव फोर्स्ड अलाइनमेंट मॉडल शामिल है, जो सामूहिक रूप से 52 भाषाओं में अत्याधुनिक सटीकता और दक्षता प्राप्त करते हैं और जिन्हें अपाचे 2.0 लाइसेंस के तहत जारी किया गया है।
यह अध्ययन कोरिया और अमेरिका के 400,000 यूट्यूब समाचार वीडियो का विश्लेषण करने के लिए एक फाइन-ट्यून्ड विजन-लैंग्वेज मॉडल का उपयोग करता है, जो यह प्रकट करता है कि अन्य-निंदात्मक वक्तव्य (other-condemning rhetoric) के माध्यम से व्यक्त नैतिक आक्रोश निरंतर निष्क्रिय देखने से लेकर सक्रिय टिप्पणी करने तक, सभी प्रतिबद्धता स्तरों पर दर्शकों के जुड़ाव के उच्च स्तर को प्रेरित करता है, जिससे इसकी प्रभावशीलता उजागर होती है और साथ ही सामाजिक ध्रुवीकरण को गहरा करने की इसकी क्षमता के बारे में चिंताएं उत्पन्न होती हैं।
यह शोध पत्र UniFinEval को प्रस्तुत करता है, जो पांच मुख्य वित्तीय परिदृश्यों में टेक्स्ट, इमेज और वीडियो को कवर करने वाला पहला एकीकृत मल्टीमॉडल बेंचमार्क है, जो यह प्रकट करता है कि हालांकि Gemini-3-pro-preview जैसे वर्तमान मॉडल प्रदर्शन में अग्रणी हैं, फिर भी वे उच्च-घनत्व वाली जानकारी और जटिल तर्क को संभालने में वित्तीय विशेषज्ञों से काफी पीछे हैं।
यह शोध पत्र यह प्रदर्शित करता है कि पर्सोना-आधारित प्रॉम्प्टिंग, कॉज़ल फाइन-ट्यूनिंग, या सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) के माध्यम से लार्ज लैंग्वेज मॉडल्स में "नशे की भाषा" (ड्रंक लैंग्वेज) को प्रेरित करने से उनकी जेलब्रेकिंग और गोपनीयता लीक के प्रति संवेदनशीलता काफी बढ़ जाती है, जो मानव नशे के व्यवहार और एआई में मानवीकृत सुरक्षा विफलताओं के बीच एक चिंताजनक सहसंबंध को उजागर करती है।
यह शोध पत्र MrRoPE को प्रस्तुत करता है, जो मिश्रित-आधार (mixed-radix) रूपांतरण पर आधारित एक एकीकृत सैद्धांतिक ढांचा है जो रोटरी पोजीशन एम्बेडिंग (RoPE) विस्तारों का सामान्यीकरण करता है और MrRoPE-Pro जैसी नवीन रणनीतियों के माध्यम से प्रभावी प्रशिक्षण-मुक्त दीर्घ-संदर्भ हैंडलिंग को सक्षम बनाता है, जो दीर्घ-अनुक्रम पुनर्प्राप्ति कार्यों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र JAF (जज एजेंट फॉरेस्ट) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एक नवीन लोकैलिटी-सेंसिटिव हैशिंग पद्धति का उपयोग करके विविध, संबंध-जागरूक उदाहरणों को चुनने के लिए एक जज एजेंट द्वारा प्रतिक्रियाओं के एक समूह में संयुक्त अनुमान (joint inference) लगाकर स्वचालित मूल्यांकन और एजेंट स्व-परिष्करण को बढ़ाता है, जिससे क्लाउड मिसकॉन्फ़िगरेशन ट्राइएज जैसे जटिल कार्यों में समग्र शिक्षण और बेहतर तर्क को सक्षम बनाया जा सके।
यह शोध पत्र प्रकट करता है कि बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में इन-कॉन्टेक्स्ट लर्निंग एक अखंड प्रक्रिया नहीं है, बल्कि एक गतिशील रणनीति चयन है जहाँ रिप्रजेंटेशनल स्ट्रेटनिंग (प्रतिनिधित्व संबंधी सीधापन) निरंतर निरंतर भविष्यवाणी कार्यों में सहायता करती है लेकिन संरचित फ्यू-शॉट कार्यों में केवल रुक-रुक कर दिखाई देती है, जो यह सुझाव देता है कि मॉडल कार्य की आवश्यकताओं के आधार पर एक "स्विस आर्मी नाइफ" की तरह अपने आंतरिक ज्यामिति को अनुकूलित करते हैं।
यह शोध पत्र SPLA को प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो ब्लॉक-वाइज स्पार्स सटीक अटेंशन (block-wise sparse exact attention) को एक रेसिडुअल लीनियर अटेंशन मॉड्यूल के साथ जोड़ता है ताकि प्रासंगिक ब्लॉक्स का सटीक चयन और शेष डेटा को बिना IO ओवरहेड के संकुचित करके लंबे संदर्भों को कुशलतापूर्वक मॉडल किया जा सके, जिससे यह लॉन्ग-कॉन्टेक्स्ट बेंचमार्क पर डेंस अटेंशन मॉडल्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र SP^2DPO को प्रस्तुत करता है, जो एक LLM-सहायता प्राप्त विधि है जो डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (Direct Preference Optimization) का सामान्यीकरण करती है, जिसमें एक एकल वैश्विक तापमान (global temperature) के स्थान पर ऑफलाइन सिमेंटिक-गैप एनोटेशन से प्राप्त इंस्टेंस-विशिष्ट शेड्यूल्स का उपयोग किया जाता है, जिससे बिना किसी प्रशिक्षण-समय ओवरहेड के AlpacaEval 2.0 पर लेंथ-कंट्रोल्ड विन रेट्स में सुधार होता है।
यह अध्ययन प्रदर्शित करता है कि जहाँ डायग्नोस्टिक स्क्रीनिंग के लिए कमजोर निबंधों की पहचान करने में मल्टी-एजेंट एलएलएम (LLM) आर्किटेक्चर सिंगल-एजेंट मॉडल से बेहतर प्रदर्शन करते हैं, वहीं समग्र ग्रेडिंग सटीकता के लिए फ्यू-शॉट कैलिब्रेशन (few-shot calibration) सबसे महत्वपूर्ण कारक है, क्योंकि दोनों ही दृष्टिकोण उच्च गुणवत्ता वाले निबंधों पर संघर्ष करते हैं।