9843 पेपर
PsyScore एक साइकोमेट्रिकली-जागरूक ढांचा है जो सटीक क्षमता अनुमान और दक्षता-स्तर-अनुकूलित मार्गदर्शन प्रदान करने के लिए एक 'ट्रे़ट-एडैप्टिव न्यूरल IRT स्कोरर' को 'ZPD-स्कैफोल्डेड फीडबैक जनरेटर' के साथ एकीकृत करके स्वचालित निबंध स्कोरिंग और निर्देशात्मक फीडबैक को एकीकृत करता है।
यह शोध पत्र IFLLM डेटासेट प्रस्तुत करता है, जो माउस ट्रैजेक्टरी और आई गेज़ (eye gaze) से प्राप्त अप्रत्यक्ष उपयोगकर्ता फीडबैक का लाभ उठाकर ऐसे रिवॉर्ड मॉडल को प्रशिक्षित करता है जो पारंपरिक टेक्स्ट-आधारित विधियों की तुलना में LLM अलाइनमेंट सटीकता और रिस्पॉन्स गुणवत्ता में महत्वपूर्ण सुधार करते हैं।
यह शोधपत्र StylisticBias को प्रस्तुत करता है, जो 25,000 फोटोरियलिस्टिक छवियों के साथ एक नियंत्रित बेंचमार्क है जिसमें पृथक विशेषता परिवर्तन शामिल हैं, ताकि यह प्रकट किया जा सके कि संकेतों का एक छोटा समूह, विशेष रूप से फैशन शैली और शरीर के प्रकार, मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में सामाजिक पूर्वाग्रहों के अधिकांश हिस्से को संचालित करते हैं।
LedgerAgent एक इन्फरेंस-टाइम विधि है जो ग्राहक-सेवा डोमेन में पॉलिसी-अनुपालन टूल-कॉलिंग एजेंटों को बेहतर बनाने के लिए एक अलग लेजर में टास्क स्टेट्स को बनाए रखती है ताकि सुसंगत निर्णय लेना सुनिश्चित किया जा सके और टूल निष्पादन से पहले पॉलिसी उल्लंघनों को सक्रिय रूप से रोका जा सके।
यह शोध पत्र एक ऐसे ढांचे का प्रस्ताव करता है जो घटनाओं को उच्च-स्तरीय आख्यानों (नैरेटिव्स) में निकालता और समूहित करता है ताकि यह समझाया जा सके कि समाचार मीडिया फ्रेमिंग उपकरणों का निर्माण कैसे करता है, जो अप्रवास और बंदूक नियंत्रण के अमेरिकी समाचार कवरेज का विश्लेषण करने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र OPTS को प्रस्तुत करता है, जो एक प्रॉम्प्ट ऑप्टिमाइज़ेशन फ्रेमवर्क है जो स्पष्ट, बैंडिट-आधारित तंत्र (विशेष रूप से थॉम्पसन सैंपलिंग) को लागू करके EvoPrompt जैसे मौजूदा ऑप्टिमाइज़र के प्रदर्शन को बढ़ाता है ताकि प्रॉम्प्ट डिज़ाइन रणनीतियों को प्रभावी ढंग से चुना और लागू किया जा सके, जिससे यह उन तरीकों से बेहतर प्रदर्शन करता है जो निहित रणनीति चयन पर निर्भर करते हैं।
यह अध्ययन प्रदर्शित करता है कि विकसित होते बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) गणितीय दक्षता में तेजी से उन्नत हुए हैं, जो मध्यम प्रदर्शन से लेकर फिनिश उच्च माध्यमिक मैट्रिकुलेशन परीक्षा में लगभग पूर्ण अंक प्राप्त करने तक प्रगति कर चुके हैं, जिससे गणित शिक्षा में सहायता के लिए शक्तिशाली उपकरण के रूप में उनकी क्षमता उजागर होती है।
यह व्यवस्थित समीक्षा मानव चिकित्सा जीनोमिक्स, विशेष रूप से वेरिएंट व्याख्या, निदान और आनुवंशिक शिक्षा को आगे बढ़ाने में लार्ज लैंग्वेज मॉडल्स की परिवर्तनकारी क्षमताओं और निरंतर चुनौतियों का मूल्यांकन करने के लिए 172 अध्ययनों का विश्लेषण करती है।
KNIGHT एक नॉलेज ग्राफ-संचालित फ्रेमवर्क है जो बाहरी स्रोतों से उच्च-गुणवत्ता वाले, कठिनाई-नियंत्रित बहुविकल्पीय प्रश्न डेटासेट को कुशलतापूर्वक उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे RAG सिस्टम के मूल्यांकन के लिए मैनुअल असेसमेंट निर्माण की लागत और समय संबंधी बाधाओं को दूर किया जा सके।
यह शोध पत्र MedicalAgentsBench प्रस्तुत करता है, जो 862 जटिल नैदानिक प्रश्नों का एक क्यूरेटेड बेंचमार्क है, यह प्रदर्शित करने के लिए कि आंतरिक तर्क मॉडल (internalized reasoning models) को बाहरी एजेंट-आधारित ढांचे (externalized agent-based frameworks) के साथ संयोजित करने से अकेले किसी भी दृष्टिकोण की तुलना में बेहतर प्रदर्शन और लागत-दक्षता प्राप्त होती है।