9899 पेपर
यह शोध पत्र GENIE को प्रस्तुत करता है, जो एक सूक्ष्म-स्तरीय (fine-grained) मूल्यांकन मीट्रिक है जिसे कार्य-विशिष्ट विशेषताओं के आधार पर लार्ज लैंग्वेज मॉडल (LLM) की प्रतिक्रियाओं की नवीनता को मापने के लिए डिज़ाइन किया गया है, जो समग्र मीट्रिक्स की सीमाओं को संबोधित करता है और रचनात्मकता शमन (creativity mitigation) विधियों की प्रभावशीलता के बारे में अंतर्दृष्टि प्रदान करता है।
यह शोध पत्र 7B–8B Qwen और Llama मॉडलों में एंकरिंग प्रभावों (anchoring effects) के आंतरिक तंत्रों की जांच करता है, जो यह प्रकट करता है कि एज-लेवल एट्रिब्यूशन विधियाँ नोड-लेवल विधियों की तुलना में प्रासंगिक निर्णय संकेतों को अधिक सटीक रूप से स्थानीयकृत करती हैं और जबकि ये मार्ग एक मॉडल के भीतर एंकर दिशाओं में सुसंगत होते हैं, वे बेस और इंस्ट्रक्शन-ट्यून्ड वेरिएंट के बीच महत्वपूर्ण रूप से बदल जाते हैं।
मौजूदा मानव-लिखित खोज बेंचमार्क की कठिनाई सीमा को पार करने के लिए, यह शोध पत्र LoHoSearch पेश करता है, जो एक स्वचालित, नॉलेज ग्राफ-आधारित बेंचमार्क है जिसमें 11 डोमेन में 544 जटिल, लॉन्ग-होराइजन प्रश्न शामिल हैं जो वर्तमान अत्याधुनिक सर्च एजेंटों को महत्वपूर्ण रूप से चुनौती देते हैं, जिससे उनकी सटीकता घटकर 34.74% रह जाती है।
यह शोध पत्र यह प्रदर्शित करता है कि लागत प्रभावी ढंग से फाइन-ट्यून किए गए छोटे LLMs (विशेष रूप से QLoRA के माध्यम से Mistral-7B) न्यूनतम प्रशिक्षण डेटा का लाभ उठाकर बायोमेडिकल क्लेम वेरिफिकेशन में GPT-4o और GPT-5 जैसे बड़े मॉडलों से काफी बेहतर प्रदर्शन कर सकते हैं, जबकि साथ ही यह SciFact डेटासेट में एक संरचनात्मक आर्टिफैक्ट को भी उजागर करता है जो इन-डोमेन स्कोर को बढ़ा देता है और मजबूत क्रॉस-डोमेन सामान्यीकरण के लिए संरचनात्मक रूप से सुदृढ़ डेटा के महत्व को रेखांकित करता है।
यह शोध पत्र Drop-by-Drop को पेश करता है, जो एक अभिनव पोस्ट-ट्रेनिंग क्वांटाइजेशन फ्रेमवर्क है जो एडिटिव कोडबुक्स और मैट्रोस्का-शैली के पर्यवेक्षण (Matryoshka-style supervision) का लाभ उठाता है ताकि एक एकल LLM चेकपॉइंट न्यूनतम स्टोरेज ओवरहेड के साथ विभिन्न मॉडल आर्किटेक्चरों में प्रतिस्पर्धी सटीकता बनाए रखते हुए अनुकूल, मल्टी-बिटविड्थ इन्फरेंस (multi-bitwidth inference) का समर्थन कर सके।
यह शोध पत्र एक अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (DPO), कुछ देखी गई प्रशिक्षण अस्थिरता के बावजूद, प्रतिस्पर्धी प्रदर्शन प्राप्त करते हुए बड़े भाषा मॉडलों के फाइन-ट्यूनिंग पाइपलाइन को सरल बनाता है और कम्प्यूटेशनल दक्षता में सुधार करता है।
यह शोध पत्र AGAR को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) और मॉडल-अज्ञेय (model-agnostic) विधि है जो रेंडर की गई छवियों में महत्वपूर्ण टेक्स्ट क्षेत्रों की पहचान करने और उन्हें अनुकूल रूप से बड़ा करने के लिए एक VLM के आंतरिक अटेंशन मैकेनिज्म का लाभ उठाकर विजुअल टेक्स्ट कॉम्प्रिहेन्शन को बढ़ाती है, जिससे बिना किसी पुन: प्रशिक्षण के विविध बेंचमार्क पर उत्तर की सटीकता में उल्लेखनीय सुधार होता है।
यह अध्ययन प्रदर्शित करता है कि व्यक्तिगत पठन प्राथमिकताएं, जैसा कि सामाजिक हाइलाइटिंग चयन द्वारा मापा जाता है, एक क्षणिक "अवस्था" के बजाय एक स्थिर "लक्षण" के रूप में कार्य करती हैं, जो आपूर्ति विचलन (supply drift) और डोमेन पुनरावृत्ति को नियंत्रित करने के बाद भी दो वर्षों से अधिक की अवधि में भविष्य के पठन विकल्पों के लिए एक मजबूत भविष्य कहनेवाला हस्ताक्षर बनाए रखती हैं।
यह शोध पत्र PiDA को प्रस्तुत करता है, जो एक ध्वन्यात्मक रूप से सूचित डेटा संवर्धन (data augmentation) विधि है जो ध्वन्यात्मक शब्द एम्बेडिंग के माध्यम से उत्पन्न सिंथेटिक ASR त्रुटियों पर मॉडलों को प्रशिक्षित करके वियतनामी भाषण अनुवाद में मजबूती में सुधार करती है, जिससे त्रुटि प्रसार को कम किया जा सके और अनुवाद की गुणवत्ता को बढ़ाया जा सके।
यह शोधपत्र तर्क देता है कि व्यवस्था-प्रेरक हस्तक्षेप (order-inducing interventions) नियंत्रण के समान नहीं हैं, बल्कि इसके बजाय यह प्रस्ताव देता है कि वास्तविक नियंत्रण के लिए एक रिसीवर-गेटेड रिस्पॉन्स लॉ (receiver-gated response law) की आवश्यकता होती है जहाँ स्थानीय, अवस्था-निर्भर ऑपरेटर यह निर्धारित करते हैं कि ड्राइव के परिणामस्वरूप स्वीकृत गति (admitted movement), प्रतिबाधा (impedance), या ओवरड्राइव (overdrive) होगा, एक ऐसा ढांचा जिसे जैविक प्रणालियों और लार्ज लैंग्वेज मॉडल्स में अनुभवजन्य साक्ष्यों के माध्यम से मान्य किया गया है।