9899 पेपर
यह शोध पत्र MetaSyn प्रस्तुत करता है, जो पूर्ण साक्ष्य संश्लेषण पाइपलाइन पर LLM एजेंटों को बेंचमार्क करने के लिए डिज़ाइन किया गया Nature Portfolio से 442 विशेषज्ञ-क्यूरेटेड मेटा-विश्लेषणों का एक व्यापक डेटासेट है, जो यह प्रकट करता है कि जहाँ रिट्रीवल प्रदर्शन उच्च है, वहीं वर्तमान प्रणालियाँ विषयगत रूप से समान विचलित करने वाले तत्वों से पात्र अध्ययनों को अलग करने के स्क्रीनिंग चरण में गंभीर रूप से विफल रहती हैं।
यह शोध पत्र ContextRL का प्रस्ताव करता है, जो एक संदर्भ-जागरूक सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो केवल अंतिम उत्तर पर्यवेक्षण पर निर्भर रहने के बजाय, एक अप्रत्यक्ष सहायक उद्देश्य के माध्यम से अत्यधिक समान युग्मों में से सही संदर्भ चुनने के लिए मॉडलों को प्रशिक्षित करके, LLMs में दीर्घ-अवधि तर्क और बहुविध (multimodal) प्रदर्शन में सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि भाषा मॉडल आंतरिक रूप से लक्ष्य की सफलता की संभावना को दर्शाने वाले एक रैखिक "वैल्यू एक्सिस" (मूल्य अक्ष) को एनकोड करते हैं, जो आत्मविश्वास, आत्म-सुधार और अन्वेषण जैसे व्यवहारों को कारणवत रूप से नियंत्रित करता है, और जिसे स्टीयरिंग या प्राथमिकता अनुकूलन के माध्यम से हेरफेर किया जा सकता है।
यह शोध पत्र एक कमजोर रूप से पर्यवेक्षित (weakly supervised) प्राकृतिक भाषा प्रसंस्करण (Natural Language Processing) पाइपलाइन प्रस्तुत करता है जो वाक्य निष्कर्षण (sentence extraction), डोमेन-विशिष्ट सिमेंटिक एम्बेडिंग्स (domain-specific semantic embeddings), और कमजोर लेबल उत्पन्न करने के लिए दो-स्तरीय क्लस्टरिंग का लाभ उठाकर इतालवी अस्पताल डिस्चार्ज पत्रों से रोगी के निदान को स्वचालित रूप से पहचानता है, जिससे पूर्ण रूप से पर्यवेक्षित मॉडलों के समान प्रदर्शन प्राप्त होता है जबकि मैनुअल एनोटेशन की आवश्यकता को काफी कम कर दिया जाता है।
सेंटिनल (Sentinel) एक हल्का, प्रशिक्षण-मुक्त संदर्भ संपीड़न (context compression) ढांचा है जो केवल एक सिंगल फॉरवर्ड पास का उपयोग करके 5 तक संपीड़न के साथ कुशल, उच्च-प्रदर्शन वाले रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) को प्राप्त करने के लिए फ्रोजन (frozen) LLMs से इन्फरेंस-टाइम अटेंशन पैटर्न को डिकोड करता है।
यह शोध पत्र अनुसंधान लेखन में सांस्कृतिक मानदंडों के विश्लेषण और मापन के लिए एक मानव-केंद्रित ढांचे का प्रस्ताव करता है, जो विभिन्न अनुसंधान संस्कृतियों में प्रमुख शैलीगत और अलंकारिक अंतरों की पहचान करने के लिए अंतर्विषयक साक्षात्कारों का उपयोग करता है और यह प्रदर्शित करता है कि कैसे ये मीट्रिक विशिष्ट सांस्कृतिक संदर्भों के अनुकूल होने के बजाय बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) की लेखन को समरूप बनाने की प्रवृत्ति को प्रकट करते हैं।
यह शोध पत्र UniCR को प्रस्तुत करता है, जो एक एकीकृत ढांचा (unified framework) है जो विषम अनिश्चितता साक्ष्यों (heterogeneous uncertainty evidence) को कैलिब्रेटेड शुद्धता संभावनाओं (calibrated correctness probabilities) में संलयित करता है ताकि सिद्धांतपूर्ण इनकार (principled refusal) के माध्यम से उपयोगकर्ता-निर्दिष्ट त्रुटि बजट को लागू किया जा सके, जिससे बेस मॉडल फाइन-ट्यूनिंग की आवश्यकता के बिना बड़े भाषा मॉडलों (large language models) की विश्वसनीयता में सुधार होता है और मतिभ्रम (hallucinations) को कम किया जाता है।
यह शोध पत्र यह प्रदर्शित करता है कि लंबे LLM संवादों में, वर्बेटिम (शब्दशः) संवाद खंडों को संग्रहीत करना रिट्रीवल और रीजनिंग के लिए LLM-निष्कर्षित संरचित आर्टिफैक्ट्स की तुलना में काफी बेहतर प्रदर्शन करता है, क्योंकि लॉसवी डिस्टिलेशन प्रक्रिया उन महत्वपूर्ण विवरणों को हटा देती है जिन्हें कच्चा टेक्स्ट सुरक्षित रखता है।
यह शोध पत्र रेजिडुअल कॉन्टेक्स्ट डिफ्यूजन (RCD) को प्रस्तुत करता है, जो एक नवीन मॉड्यूल है जो न्यूनतम अतिरिक्त गणना और प्रशिक्षण डेटा के साथ डिफ्यूजन लार्ज लैंग्वेज मॉडल्स (dLLMs) की सटीकता और दक्षता को महत्वपूर्ण रूप से बढ़ाने के लिए त्याग दिए गए टोकन रिप्रजेंटेशन्स को कॉन्टेक्स्टुअल रेजिडुअल्स के रूप में पुनर्चक्रित करता है।
यह शोध पत्र SciDef को प्रस्तुत करता है, जो एक व्यापक संसाधन सुइट है जिसमें DefExtra बेंचमार्क, DefSim समानता निर्णय, और स्वचालित वैज्ञानिक परिभाषा निष्कर्षण को आगे बढ़ाने के लिए एक ओपन LLM-आधारित पाइपलाइन शामिल है, जबकि यह पूरी तरह से स्वचालित प्रणालियों के लिए प्रासंगिकता-जागरूक फ़िल्टरिंग को प्राथमिक चुनौती के रूप में पहचानता है।