9802 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि स्वास्थ्य जैसे यथार्थवादी डोमेन के भीतर लाभकारी व्यवहारों पर सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) मॉडलों को प्रशिक्षित करना, उनके आउट-ऑफ-डिस्ट्रीब्यूशन संरेखण (अलाइनमेंट) में महत्वपूर्ण सुधार करता है, धोखे जैसी मिसअलाइनमेंट रणनीतियों को कम करता है, और विविध उच्च-जोखिम वाले परिवेशों में प्रतिकूल हेरफेर के विरुद्ध उनकी निरंतरता को बढ़ाता है।
यह शोध पत्र MeMo भाषा मॉडलों के लिए एक वर्ज़न-अवेयर (version-aware) फ्रेमवर्क प्रस्तावित करता है जो ज्ञान अपडेट को प्रिमिटिव मेमोरी एडिट्स के संरचित, प्रतिवर्ती लेनदेन (reversible transactions) के माध्यम से प्रबंधित करने के लिए सहायक वर्ज़न और ट्रांजेक्शन कोरिलेशन मैट्रिक्स मेमोरीज का उपयोग करता है, जिससे ज्ञान परिवर्तन होने पर पूर्ण मॉडल रिट्रेनिंग की आवश्यकता कम हो जाती है।
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।