9743 पेपर
यह शोध पत्र ट्विटर सेंटीमेंट एनालिसिस के लिए प्रीप्रोसेसिंग तकनीकों के प्रभाव और इष्टतम क्रम का व्यवस्थित रूप से मूल्यांकन करता है, जिसमें यह पाया गया है कि टोकनाइज़ेशन सबसे महत्वपूर्ण चरण है, स्पेलिंग सुधार का प्रभाव सबसे कम है, और सर्वोत्तम अनुक्रम में टोकनाइज़ेशन, टेक्स्ट क्लीनिंग, स्टेमिंग और नेगेशन को सुरक्षित रखते हुए स्टॉपवर्ड रिमूवल शामिल है।
"केववुमन" (Cavewoman) अध्ययन यह प्रकट करता है कि जबकि मॉडल के आउटपुट को कंप्रेस करना इन्फरेंस लागत को काफी कम कर सकता है, उपयोगकर्ता के इनपुट को कंप्रेस करना प्रतिगामी है, क्योंकि यह मॉडल को लंबे उत्तर उत्पन्न करने के लिए मजबूर करता है जो शुद्ध लागत को बढ़ाते हैं और सटीकता को कम करते हैं।
यह अध्ययन चार दशकों से अधिक के पूर्ण-पाठ शैक्षणिक शोध पत्रों से बड़े पैमाने पर सह-घटित नेटवर्क (co-occurrence networks) का निर्माण करता है ताकि प्राकृतिक भाषा प्रसंस्करण (natural language processing) में एल्गोरिदम के संरचनात्मक विकास और सामूहिक प्रभाव का विश्लेषण किया जा सके, जो यह प्रकट करता है कि क्लासिक और अत्यधिक केंद्रीय एल्गोरिदम अपना प्रभुत्व बनाए रखते हैं जबकि घटते हुए एल्गोरिदम पहले अपने मुख्य नेटवर्क पदों को खो देते हैं।
PORTER एक भाषा-आधारित (language-grounded) EHR फाउंडेशन मॉडल है जो टेक्स्ट विवरणों और एक समर्पित संख्यात्मक पथ (numeric pathway) का उपयोग करके इवेंट रिप्रजेंटेशन को निश्चित शब्दावलियों से अलग करता है, जिससे शब्दावली सामंजस्य (vocabulary harmonization) या पुन: प्रशिक्षण की आवश्यकता के बिना मजबूत क्रॉस-इंस्टीट्यूशनल ट्रांसफर और विविध नैदानिक कार्यों पर उच्च प्रदर्शन सक्षम होता है।
यह शोध पत्र यह प्रदर्शित करता है कि प्री-इक्विलिब्रियम सैचुरेशन (pre-equilibrium saturation) के कारण डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स में लोरा (LoRA) ट्रेनिंग कोलैप्स का पता लगाने के लिए मानक टॉप-1 आर्गमैक्स कंसन्ट्रेशन (top-1 argmax concentration) मेट्रिक अप्रभावी है, और एक कैलिब्रेटेड मैक्स लोरा ग्रेडिएंट नॉर्म (max LoRA gradient norm) मॉनिटर से इसे बदलने का प्रस्ताव देता है जो अस्थिर प्रशिक्षण कॉन्फ़िगरेशन की पहचान करने में काफी उच्च परिशुद्धता प्राप्त करता है।
यह शोधपत्र मेटिस (Metis) को प्रस्तुत करता है, जो एक स्व-विकसित एजेंट प्रणाली है जो प्राकृतिक भाषा के पाठ और निष्पादन योग्य कोड को गतिशील रूप से संयोजित करने के लिए एक पदानुक्रमित द्वि-प्रतिनिधित्व स्मृति (hierarchical dual-representation memory) का उपयोग करती है, जिससे दोनों प्रकार की स्मृतियों की पूरक शक्तियों का लाभ उठाते हुए मौजूदा दृष्टिकोणों की तुलना में बेहतर कार्य सटीकता और निष्पादन दक्षता प्राप्त होती है।
यह शोध पत्र पाणिनी के प्राचीन व्याकरण पर आधारित भारतीय भाषाओं के प्रसंस्करण के लिए एक एकीकृत कम्प्यूटेशनल ढांचे का प्रस्ताव करता है, जिसमें यह तर्क दिया गया है कि विविध भारतीय भाषाओं में इस साझा रूप-वाक्यविन्यास (morphosyntactic) संरचना का लाभ उठाने से अधिक सटीक, डेटा-कुशल और हस्तांतरणीय एनएलपी (NLP) प्रणालियाँ प्राप्त होंगी, साथ ही इन क्षमताओं का परीक्षण करने के लिए एक नया बेंचमार्क सूट भी प्रस्तुत किया गया है।
यह अध्ययन नेचर कम्युनिकेशंस के 11,063 बहु-चरणीय सहकर्मी (पीयर) समीक्षाओं का विश्लेषण करने के लिए एक डीप लर्निंग दृष्टिकोण का उपयोग करता है, जो यह प्रकट करता है कि जैसे-जैसे समीक्षा के दौर बढ़ते हैं, सकारात्मक भावनाएं बढ़ती हैं जबकि नकारात्मक भावनाएं घटती हैं, और पहलू-स्तरीय (एस्पेक्ट-लेवल) भावना स्कोर समीक्षा के कुल दौरों की संख्या के साथ नकारात्मक रूप से सह-संबंधित होते हैं।
यह शोधपत्र SURGELLM को प्रस्तुत करता है, जो एक एकीकृत ट्रांसफॉर्मर फ्रेमवर्क है जो सर्जिकल फीचर गेटिंग (surgical feature gating), टास्क-कंडीशन्ड प्रीफिक्स टोकन (task-conditioned prefix tokens) और इंस्टेंस-वेटेड नॉर्मलाइजेशन (Instance-Weighted Normalization) को एकीकृत करके मल्टी-टास्क एनएलपी प्रदर्शन को बढ़ाता है ताकि मिसमैच्ड इंडक्टिव बायस (mismatched inductive biases), क्लास इम्बैलेंस (class imbalance) और बाहरी लेक्सिकल कंडीशनिंग (external lexical conditioning) की आवश्यकता को प्रभावी ढंग से संबोधित किया जा सके, जिससे विविध बेंचमार्क में महत्वपूर्ण मैक्रो-एफ1 (macro-F1) सुधार प्राप्त होते हैं।
यह शोध पत्र "पिजनहोलिंग" (pigeonholing) नामक एक घटना को प्रस्तुत करता है, जहाँ लार्ज लैंग्वेज मॉडल्स में अनजाने में उत्पन्न होने वाले खराब संदर्भ मॉडल के प्रदर्शन में गिरावट और मोड कोलैप्स (mode collapse) का कारण बनते हैं क्योंकि वे मॉडल को त्रुटियों को दोहराने या अपने आउटपुट को सीमित करने के लिए मजबूर करते हैं, और इन समस्याओं को प्रभावी ढंग से कम करने के लिए एक सिंथेटिक एरर-आधारित RLVR प्रशिक्षण पद्धति का प्रस्ताव देता है।