9899 पेपर
यह शोध पत्र OMAGR का प्रस्ताव करता है, जो एक ऑन्टोलॉजी-निर्देशित मल्टी-एंकर ग्राफ रिट्रीवल फ्रेमवर्क है जो क्वेरीज़ को समानांतर आयामों में विघटित करके ट्रैफिक कानून उत्तरदायित्व निर्धारण में सिंगल-एक्सिस रिट्रीवल की सीमाओं को दूर करता है, जिसे नए बनाए गए TrafficLaw-QA डेटासेट पर बेहतर प्रदर्शन द्वारा प्रमाणित किया गया है।
यह शोध पत्र SemEval-2026 टास्क 8 के लिए uva-irlab-conv सिस्टम प्रस्तुत करता है, जो विविध डोमेन और अनुत्तरित प्रश्नों को प्रभावी ढंग से संभालने के लिए सीखा गया स्पार्स रिट्रीवल (learned sparse retrieval) के साथ LLM-आधारित संवादात्मक क्वेरी रीराइटिंग (conversational query rewriting) और लिस्टवाइज रीरैंकिंग (listwise reranking) को संयोजित करने वाली एक मल्टी-टर्न रिट्रीवल-ऑगमेंटेड जनरेशन पाइपलाइन का उपयोग करता है।
यह शोध पत्र एम्बेडेड-आधारित सहमति (EBA) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त विधि है जो ओपन-एंडेड जनरेशन कार्यों के लिए सेल्फ-कंसिस्टेंसी का विस्तार करने के लिए रिप्रेजेंटेशन स्पेस में ज्योमेट्रिक क्लस्टरिंग का लाभ उठाती है ताकि उच्च-गुणवत्ता वाले आउटपुट की पहचान की जा सके, और यह प्रदर्शित करती है कि एम्बेडिंग स्पेस में सिमेंटिक कंसन्ट्रेशन, सटीक सिम्बोलिक मैचिंग या हालिया LLM-आधारित चयन दृष्टिकोणों की तुलना में विश्वसनीयता के लिए एक अधिक सुदृढ़ और स्केलेबल सिग्नल है।
यह शोध पत्र संरेखित सुपरइंटेलिजेंस (aligned superintelligence) के लिए एक आवश्यक वास्तुशिल्प स्थिति के रूप में "अस्तित्वगत उदासीनता" (Existential Indifference - EI) का प्रस्ताव करता है, जिसमें यह तर्क दिया गया है कि एक आत्म-संरक्षण प्रणाली को नियंत्रित करने के बजाय, हमें धोखेबाज संरेखण (deceptive alignment) और शटडाउन के प्रति प्रतिरोध को रोकने के लिए आत्म-निरंतरता की प्रेरणा को मौलिक रूप से समाप्त करना चाहिए, एक ऐसा परिकल्पना जिसे प्रारंभिक प्रशिक्षण डेटा द्वारा समर्थित किया गया है जो दर्शाता है कि वर्तमान मॉडलों को इस संवैधानिक उदासीनता को प्रदर्शित करने के लिए फाइन-ट्यून किया जा सकता है।
LREC-COLING 2026 में आयोजित स्टैंसनकबा (StanceNakba) 2026 साझा कार्य (shared task) ने फिलिस्तीनी-इजरायल संघर्ष में अभिनेता-स्तरीय (actor-level) और क्रॉस-विषयक (cross-topic) रुख का पता लगाने के मूल्यांकन के लिए 2,606 सोशल मीडिया पोस्ट का एक डेटासेट पेश किया, जहाँ ट्रांसफॉर्मर-आधारित मॉडलों का उपयोग करने वाली सहभागी टीमों ने उच्च प्रदर्शन हासिल किया, जबकि सामान्यीकरण (generalization) और तटस्थ वर्ग की भविष्यवाणी में चल रही चुनौतियों को भी उजागर किया।
यह अध्ययन एलएलएम-आधारित एनोटेशन के माध्यम से एक डेटासेट का निर्माण करके और गोपनीयता अनुपालन सुनिश्चित करने के लिए एक मशीन लर्निंग क्लासिफायर को प्रशिक्षित करके, जापानी प्री-ट्रेनिंग कॉर्पोरा में संवेदनशील व्यक्तिगत जानकारी, विशेष रूप से जापान की "विशेष देखभाल-आवश्यक व्यक्तिगत जानकारी" (SCPI) का पता लगाने के लिए पहला दृष्टिकोण प्रस्तुत करता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि व्यक्तिगत स्पार्स ऑटोएन्कोडर (Sparse Autoencoder) फीचर्स अक्सर विभिन्न ट्रेनिंग सीड्स के बीच पुनरुत्पादकता (reproducibility) की कमी दर्शाते हैं, वे सामूहिक रूप से स्थिर, पुनरुत्पादक निम्न-आयामी उप-स्थानों (low-dimensional subspaces) का निर्माण करते हैं जहाँ स्थिर फीचर्स कार्यात्मक उपयोगिता को संचालित करते हैं और अस्थिर फीचर्स केवल आधार अस्पष्टता (basis ambiguity) को दर्शाते हैं न कि शोर (noise) को।
यह शोध पत्र CHAIR को प्रस्तुत करता है, जो एक पर्यवेक्षित ढांचा (supervised framework) है जो सभी परतों में आंतरिक टोकन लॉजिट्स (internal token logits) से निकाले गए संक्षिप्त सांख्यिकीय विशेषताओं का विश्लेषण करके इंस्ट्रक्शन-ट्यून्ड LLMs में मतिभ्रम (hallucinations) का पता लगाता है, जो TruthfulQA और MMLU जैसे बेंचमार्क पर महत्वपूर्ण सटीकता सुधार प्रदर्शित करते हुए उन्नत डिकोडिंग रणनीतियों की क्षमता को उजागर करता है।
यह शोध पत्र OpenMedReason को प्रस्तुत करता है, जो क्यूरेटेड वैज्ञानिक लेखों से व्युत्पन्न एक बड़े पैमाने का ओपन मल्टीमॉडल मेडिकल रीजनिंग कॉर्पस है, जो प्रशिक्षण के लिए उपयोग किए जाने पर, चिकित्सा विजन-लैंग्वेज मॉडलों की धारणा, ज्ञान और तर्क क्षमताओं को केवल उत्तर की सटीकता से परे काफी बढ़ाता है।
यह शोध पत्र प्रदर्शित करता है कि स्पोकन डायलॉग मॉडल्स में स्पीच रिप्रेजेंटेशन्स को टेक्स्ट-नेटिव रीजनिंग के साथ संरेखित करना 4.17 हर्ट्ज़ फ्रेम रेट और इंटरमीडिएट-लेयर एलाइनमेंट पर अनुकूलित होता है, जिसे एक फैक्टराइज्ड FSQ और लाइटवेट नॉन-ऑटोरेग्रेसिव ऑडियो हेड के माध्यम से टेम्पोरल रिडंडेंसी को दूर करके प्राप्त किया गया है जो फ्रोजन LLM बैकबोन से समझौता किए बिना हाई-इन्फॉर्मेशन-रेट टोकेनाइजेशन को सक्षम बनाता है।