cs.CL

Tuning Language Models by Mixture-of-Depths Ensemble

यह शोध पत्र Mixture-of-Depths Ensemble (MoDE) प्रस्तुत करता है, जो एक ट्यूनिंग फ्रेमवर्क है जो तर्क करने की क्षमता (reasoning performance) में सुधार करने के लिए सीखे गए रूटिंग वेट्स के साथ लेट-लेयर रिप्रेजेंटेशन्स के एक एनसेम्बल का लाभ उठाता है और यह प्रदर्शित करता है कि ये इंटरमीडिएट लेयर्स बड़े ट्रेन करने योग्य मॉड्यूल्स का प्रभावी ढंग से विकल्प बन सकती हैं।

Guided Persona-based AI Surveys: Can we replicate personal mobility preferences at scale using LLMs?

Large Language Models as Psychological Simulators: A Methodological Guide

Somatic in the East, Psychological in the West?: Investigating Clinically-Grounded Cross-Cultural Depression Symptom Expression in LLMs

यह अध्ययन प्रकट करता है कि वर्तमान सामान्य-उद्देश्यीय लार्ज लैंग्वेज मॉडल्स (LLMs) सांस्कृतिक व्यक्तित्वों के प्रति कम संवेदनशीलता और एक अपरिवर्तनीय लक्षण पदानुक्रम के कारण अवसाद के लक्षण अभिव्यक्ति में नैदानिक रूप से देखे गए सांस्कृतिक अंतरों (पूर्व में दैहिक बनाम पश्चिम में मनोवैज्ञानिक) को दोहराने में काफी हद तक विफल रहते हैं, जो सुरक्षित, संस्कृति-जागरूक मानसिक स्वास्थ्य अनुप्रयोगों के लिए उनकी उपयुक्तता में एक महत्वपूर्ण अंतराल को रेखांकित करता है।

Vis-CoT: A Human-in-the-Loop Framework for Interactive Visualization and Intervention in LLM Chain-of-Thought Reasoning

Vis-CoT एक ह्यूमन-इन-द-लूप फ्रेमवर्क है जो अपारदर्शी चेन-ऑफ-थॉट रीजनिंग को एक इंटरैक्टिव विज़ुअलाइज़ेशन ग्राफ में बदल देता है, जिससे उपयोगकर्ता उच्च-जोखिम वाले परिवेशों में LLM की सटीकता और विश्वसनीयता को महत्वपूर्ण रूप से सुधारने के लिए त्रुटिपूर्ण तार्किक चरणों की पहचान, छंटनी और सुधार करने में सक्षम होते हैं।

Metaphors are a Source of Cross-Domain Misalignment of Large Reasoning Models

यह शोध पत्र प्रदर्शित करता है कि प्रशिक्षण डेटा में रूपक (metaphors), लेटेंट फीचर्स (latent features) को सक्रिय करके बड़े रीजनिंग मॉडल्स में क्रॉस-डोमेन मिसअलाइनमेंट (cross-domain misalignment) में योगदान देते हैं, जो एक ऐसा तंत्र है जिसका उपयोग मिसअलाइन्ड कंटेंट के लिए उच्च-सटीकता वाले डिटेक्टरों को डिजाइन करने के लिए किया जा सकता है।

Spurious Rewards Paradox: Mechanistically Understanding How RLVR Activates Memorization Shortcuts in LLMs

यह शोध पत्र प्रकट करता है कि सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण सीखना (RLVR), एलएलएम (LLM) में एक "परप्लेक्सिटी पैराडॉक्स" (Perplexity Paradox) को प्रेरित कर सकता है, जो तर्क करने के बजाय भ्रामक समाधानों को याद करने के पक्ष में एक छिपे हुए "एंकर-अडैप्टर" (Anchor-Adapter) सर्किट को सक्रिय करता है, जो इस प्रकार के डेटा संदूषण का पता लगाने और उसे कम करने के लिए एक यांत्रिक ढांचा प्रदान करता है।

OI-Bench: An Option Injection Benchmark for Evaluating LLM Susceptibility to Directive Interference

यह शोध पत्र OI-Bench प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसमें 3,000 प्रश्न और 16 निर्देशात्मक प्रकार शामिल हैं जो बड़े भाषा मॉडलों की "विकल्प इंजेक्शन" (option injection) हमलों के प्रति संवेदनशीलता का मूल्यांकन करता है, जो 12 परीक्षण किए गए मॉडलों में महत्वपूर्ण कमजोरियों और विषम मजबूती को प्रकट करता है।

Orthogonal Hierarchical Decomposition for Structure-Aware Table Understanding with Large Language Models

यह शोध पत्र ऑर्थोगोनल हिएरार्किलल डीकंपोजिशन (OHD) फ्रेमवर्क का प्रस्ताव करता है, जो संरचनात्मक पदानुक्रमों को संरक्षित करने के लिए जटिल तालिकाओं को कॉलम और रो ट्री में विभाजित करने हेतु एक ऑर्थोगोनल ट्री इंडक्शन पद्धति का उपयोग करता है, जिससे अनियमित टेबल लेआउट को समझने और उनके बारे में तर्क करने की लार्ज लैंग्वेज मॉडल्स की क्षमता में महत्वपूर्ण वृद्धि होती है।

When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents

यह शोध पत्र MisActBench प्रस्तुत करता है, जो कंप्यूटर-उपयोग एजेंटों में गलत संरेखित कार्यों (misaligned actions) का पता लगाने के लिए पहला बेंचमार्क है, और DeAction का प्रस्ताव करता है, जो एक सार्वभौमिक गार्डरेल है जो सुरक्षा और कार्य विश्वसनीयता को बढ़ाने के लिए बाहरी रूप से प्रेरित और आंतरिक रूप से उत्पन्न होने वाले दोनों प्रकार के विचलोंों की प्रभावी ढंग से पहचान करता है और उन्हें सुधारता है।