11683 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि छोटे भाषा मॉडलों (1.5B–7B) पर फ्यू-शॉट मेटा-लर्निंग लागू करने से सिलोजिस्टिक रीजनिंग (syllogistic reasoning) कार्यों में अमूर्त तार्किक नियमों को सामान्यीकृत करने की उनकी क्षमता में महत्वपूर्ण वृद्धि होती है, जिससे वे विशेष रूप से कम-डेटा वाले परिदृश्यों में GPT-4o और o3-mini जैसे बड़े मॉडलों से बेहतर प्रदर्शन करने में सक्षम होते हैं।
यह शोध पत्र नैदानिक प्रश्नोत्तरी (क्लिनिकल क्वेश्चन आंसरिंग) में दस बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के माध्यम से अनिश्चितता मात्रा निर्धारण (अनसर्टेन्टी क्वांटिफिकेशन) विधियों का बेंचमार्किंग करता है, जो यह प्रकट करता है कि विश्वसनीयता विशेषज्ञता और प्रश्न के प्रकार के अनुसार काफी भिन्न होती है, और उच्च-जोखिम वाले चिकित्सा डोमेन में अंशांकन (कैलिब्रेशन) में सुधार के लिए नवीन व्यवहार संबंधी विशेषताओं और एंसेम्बल रणनीतियों का प्रस्ताव करता है।
यह शोध पत्र कॉग्निटिव इंडक्टिव रीजनिंग फ्रेमवर्क (CIRF) का प्रस्ताव करता है, जो एक स्कीमा-संचालित दृष्टिकोण है जो न्यूनतम लेबल वाले डेटा की आवश्यकता के साथ उच्च सामान्यीकरण और व्याख्यात्मकता के साथ अत्याधुनिक ज़ीरो-शॉट स्टेंस डिटेक्शन प्राप्त करने के लिए अनसुपरवाइज्ड कॉग्निटिव इंडक्शन और ग्राफ कर्नेल अलाइनमेंट का लाभ उठाता है।
यह शोध पत्र सैद्धांतिक रूप से यह प्रदर्शित करता है कि जबकि एकल-परत रैखिक अटेंशन मॉडल बिना लेबल वाले डेटा का उपयोग करने में विफल रहते हैं, मल्टीलेयर या लूप वाले ट्रांसफॉर्मर इन-कॉन्टेक्स्ट लर्निंग में सुधार कर सकते हैं क्योंकि वे स्पष्ट रूप से एक्सपेक्टेशन मैक्सिमाइजेशन (Expectation Maximization) के समान पुनरावृत्ति अनुमानकों (iterative estimators) का निर्माण करते हैं, जो एक ऐसी क्षमता है जो ऑफ-द-शेल्फ फाउंडेशन मॉडल्स पर लागू होने पर सेमी-सुपरवाइज्ड टैबुलर लर्निंग के लिए महत्वपूर्ण प्रदर्शन लाभों में परिवर्तित हो जाती है।
यह शोध पत्र यह प्रदर्शित करने वाला पहला व्यापक अध्ययन प्रस्तुत करता है कि वक्ता एट्रिब्यूशन (speaker attribution) का प्रदर्शन ऑटोमैटिक स्पीच रिकग्निशन (ASR) त्रुटियों के प्रति आश्चर्यजनक रूप से लचीला बना रहता है, जो यह सुझाव देता है कि वक्ताओं की पहचान करने के लिए ASR-जनित ट्रांसक्रिप्ट, मानव-ट्रांसक्राइब किए गए डेटा के समान या उससे भी बेहतर प्रभावी हो सकते हैं।
यह शोध पत्र एक विजन-लैंग्वेज क्लस्टरिंग फ्रेमवर्क प्रस्तावित करता है जो समानार्थी और परिप्रेक्ष्य-निर्भर क्रियाओं को अर्थ समूहों (sense clusters) में समूहित करके विजुअल एक्टिविटी रिकग्निशन में क्रिया अस्पष्टता को हल करता है, जिससे मानक सटीक-मिलान मेट्रिक्स की तुलना में अधिक सुदृढ़ और मानव-संरेखित मूल्यांकन पद्धति प्राप्त होती है।
यह शोध पत्र PEEK को प्रस्तुत करता है, जो एक कम्प्यूटेशनल रूप से कुशल विधि है जो बड़े भाषा मॉडलों (Large Language Models) के तथ्यात्मक ज्ञान की सटीकता से भविष्यवाणी करने के लिए एक लीनियर डिकोडर के साथ पूर्व-प्रशिक्षित एम्बेडिंग मॉडलों को अनुकूलित करती है, जिससे पारंपरिक फॉरवर्ड-पास प्रोबिंग तकनीकों की उच्च लागत से बचा जा सकता है।
यह शोध पत्र एक एंड-टू-एंड पाइपलाइन का प्रस्ताव करता है जो संरचित प्रॉम्प्ट्स, सूक्ष्म लेबलिंग और एक नवीन काउंटरफैक्चुअल डेटा ऑग्मेंटेशन फ्रेमवर्क को संयोजित करके कॉम्पैक्ट विजन-लैंग्वेज मॉडल्स को मल्टीमॉडल हेट डिटेक्शन के लिए उन्नत करता है, जिससे महंगे बड़े मॉडल्स पर निर्भर किए बिना सूक्ष्म सामग्री पर मजबूत प्रदर्शन प्राप्त होता है।
यह शोध पत्र DAIQ प्रस्तुत करता है, जो एक ऐसा नैदानिक ढांचा (diagnostic framework) है जो यह प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स अक्सर और निरंतर सीखे गए जनसंख्या पूर्वग्रहों (population priors) पर भरोसा करके तटस्थ प्रश्नों से संवेदनशील जनसांख्यिकीय गुणों का अनुमान लगाते हैं, जिससे वर्तमान पूर्वाग्रह मूल्यांकनों में एक महत्वपूर्ण अंतराल उजागर होता है और यह प्रदर्शित होता है कि अपवर्जन-उन्मुख प्रॉम्प्टिंग (abstention-oriented prompting) इस ज्ञान संबंधी अतिरेक (epistemic overreach) को प्रभावी ढंग से कम कर सकती है।
यह शोध पत्र ABCD-LINK को प्रस्तुत करता है, जो एक डोमेन-अज्ञेय (domain-agnostic) ढांचा है जो इष्टतम रिट्रीवल-LLM संयोजनों की पहचान करने के लिए अर्ध-सिंथेटिक डेटा उत्पन्न करके वाक्य-स्तरीय क्रॉस-डॉक्यूमेंट लिंक को बूटस्ट्रैप करता है, जिससे मीडिया फ्रेमिंग और पीयर रिव्यू विश्लेषण जैसे कार्यों के लिए कुशल बड़े पैमाने पर मानव-इन-द-लूप एनोटेशन और नवीन डेटासेट का निर्माण सक्षम होता है।