9899 पेपर
यह शोध पत्र यह प्रदर्शित करके मशीन-पाठ पहचान से बचने की सीमाओं की जांच करता है कि जबकि मानक हमले शैलीगत फिंगरप्रिंट्स को मिटाने में विफल रहते हैं, एक नवीन शैली-अनुकूल पैराफ्रेसिंग हमला एकल-दस्तावेज़ डिटेक्टरों को बायपास कर सकता है, जो अंततः यह प्रकट करता है कि मानव और मशीन वितरणों के बीच अंतर करने के लिए विश्वसनीय पहचान हेतु बहु-दस्तावेज़ विश्लेषण की आवश्यकता होती है।
यह शोध पत्र LWM-Planner को प्रस्तुत करता है, जो एक तथ्य-संवर्धित लुकअहेड प्लानिंग फ्रेमवर्क है जो पिछले प्रक्षेपवक्रों (ट्रैजेक्टरीज) से कार्य-महत्वपूर्ण तथ्यों को निकालने और उन्हें मान्य करने के माध्यम से, बिना किसी पैरामीटर अपडेट की आवश्यकता के, इन-कॉन्टेक्स्ट सर्च और सिमुलेशन को निर्देशित करके जटिल वातावरण में LLM एजेंट के प्रदर्शन को बढ़ाता है।
यह शोध पत्र PeruMedQA प्रस्तुत करता है, जो स्पेनिश में 8,380 पेरूवियन चिकित्सा परीक्षा प्रश्नों का एक डेटासेट है, और यह प्रदर्शित करता है कि जबकि 27-बिलियन-पैरामीटर वाला MedGemma मॉडल उच्चतम बेसलाइन सटीकता प्राप्त करता है, LoRA के माध्यम से छोटे 4-बिलियन-पैरामीटर वाले MedGemma मॉडल को फाइन-ट्यून करना इसके प्रदर्शन को काफी बढ़ा देता है ताकि यह बहुत बड़े मॉडलों का मुकाबला कर सके, जो स्पेनिश भाषी लैटिन अमेरिकी संदर्भों में चिकित्सा AI के लिए एक लागत प्रभावी समाधान प्रदान करता है।
यह शोध पत्र ITEM को प्रस्तुत करता है, जो छह प्रमुख भारतीय भाषाओं में 29 स्वचालित मेट्रिक्स का मूल्यांकन करने वाला एक बड़े पैमाने का बेंचमार्क है, जो यह प्रकट करता है कि LLM-आधारित मूल्यांकनकर्ता मानवीय निर्णयों के साथ सबसे बेहतर तालमेल रखते हैं और सारांश (summarization) बनाम अनुवाद (translation) में विशिष्ट मेट्रिक व्यवहारों तथा मूल्यांकन विश्वसनीयता पर आउटलेर्स (outliers) के महत्वपूर्ण प्रभाव को रेखांकित करते हैं।
यह शोधपत्र स्विवुरिसो (Swivuriso) को प्रस्तुत करता है, जो कृषि, स्वास्थ्य सेवा और सामान्य क्षेत्रों में सात दक्षिण अफ्रीकी भाषाओं को कवर करने वाला एक 3000-घंटे का बहुभाषी स्पीच डेटासेट है, जिसे नैतिक संग्रह और बेंचमार्किंग के माध्यम से डेटा अंतराल को दूर करने और स्वचालित वाक् पहचान (ऑटोमैटिक स्पीच रिकग्निशन) प्रौद्योगिकियों को उन्नत करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र LiteReason का प्रस्ताव करता है, जो एक हल्का लेटेंट रीजनिंग (latent reasoning) तरीका है जो निरंतर लेटेंट टोकन उत्पन्न करने के लिए एक ट्रेन करने योग्य 'रीजनिंग प्रोजेक्टर' का उपयोग करता है, जिससे बड़े भाषा मॉडल (large language models) नैरेटिव कार्यों में मानक सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोणों के समान प्रदर्शन बनाए रखते हुए कंप्यूटिंग लागत और रीजनिंग की लंबाई को काफी कम करने में सक्षम होते हैं।
यह शोधपत्र DaLA प्रस्तुत करता है, जो एक व्यापक डेनिश भाषाई स्वीकार्यता बेंचमार्क है जो मौजूदा मानकों की तुलना में लार्ज लैंग्वेज मॉडल्स के प्रदर्शन का कठोरता से मूल्यांकन करने और उन्हें बेहतर ढंग से विभेदित करने के लिए चौदह वास्तविक दुनिया के त्रुटि-आधारित भ्रष्टाचार कार्यों (error-based corruption functions) का उपयोग करता है।
यह शोध पत्र पहचानता है कि रिवॉर्ड मॉडल्स के लिए मानक ब्रैडली-टेरी लॉस (Bradley-Terry loss) एक रिप्रेजेंटेशन डिस्टेंस बायस (representation distance bias) से ग्रस्त है जो प्रेडिक्शन एरर के बजाय फीचर डिस्टेंस के आधार पर असंगत ग्रेडिएंट अपडेट का कारण बनता है, और यह नॉर्मबीटी (NormBT) प्रस्तावित करता है, जो एक हल्का नॉर्मलाइजेशन स्कीम है जो इस समस्या को कम करता है और विशेष रूप से सूक्ष्म-स्तरीय रीजनिंग कार्यों पर प्रदर्शन में उल्लेखनीय सुधार करता है।
यह शोध पत्र एक ऐसे एआई अनुप्रयोग को प्रस्तुत करता है जो यूट्यूब वीडियो ट्रांसक्रिप्ट का वास्तविक समय में विश्लेषण करने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करता है, जो शांति से संबंधित पांच सामाजिक आयामों को सफलतापूर्वक मापता है और उपयोगकर्ताओं को उनके मीडिया आहार पर फीडबैक प्रदान करता है, जो पारंपरिक सेंटिमेंट एनालिसिस से बेहतर प्रदर्शन करता है और लिखित पाठ पर प्रशिक्षित मॉडल्स की बोलचाल की भाषा पर लागू होने वाली सीमाओं को प्रदर्शित करता है।
यह शोध पत्र CommonLID को प्रस्तुत करता है, जो 109 भाषाओं को कवर करने वाला एक समुदाय-संचालित, मानव-एनोटेटेड बेंचमार्क है, जो यह प्रकट करता है कि मौजूदा भाषा पहचान मॉडल शोर वाले वेब डेटा पर अपनी सटीकता को काफी अधिक आंकते हैं, जिससे अधिक प्रतिनिधि बहुभाषी कॉर्पोरा विकसित करने के लिए एक महत्वपूर्ण संसाधन प्राप्त होता है।