9931 पेपर
यह शोधपत्र TruthSplit प्रस्तुत करता है, जो एक इंटरैक्टिव सिस्टम है जो मल्टी-लेयर NLI दृष्टिकोण और संरचित मूल्य प्रोफाइल्स (structured value profiles) पर आधारित LLM रीजनिंग के माध्यम से यह विश्लेषण करता है कि तर्क विविध विश्वदृष्टिकोणों में अलग-अलग निष्कर्ष कैसे देते हैं, जिससे "सशर्त वैधता" (conditional validity) को क्रियान्वित किया जा सके।
यह शोध पत्र MORE को प्रस्तुत करता है, जो एक अनुकूलन योग्य बहु-उद्देश्यीय सुदृढीकरण शिक्षण (multi-objective reinforcement learning) ढांचा है जो प्रशिक्षण को स्थिर करने के लिए तर्क सटीकता (reasoning accuracy) को एक बाधा के रूप में मानता है और भाषाई स्वाभाविकता को गतिशील रूप से संतुलित करता है, जिससे ByteDance के वास्तविक ई-कॉमर्स संवाद प्रणालियों और MultiWOZ बेंचमार्क पर रूपांतरण दरों और उपयोगकर्ता संतुष्टि में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र NüshuVoice प्रस्तुत करता है, जो Nüshu टेक्स्ट-टू-स्पीच के लिए पहला बेंचमार्क और डेटासेट है, साथ ही Nüshu-PitchVITS मॉडल भी पेश करता है जो अत्यधिक कम-संसाधन वाली स्थिति में उच्च-गुणवत्ता वाले स्पीच सिंथेसिस को प्राप्त करने के लिए लिपि की पांच-स्तरीय पिच नोटेशन का लाभ उठाता है।
यह शोध पत्र साइन-गेटेड ऑन-पॉलिसी डिस्टिलेशन (SG-OPD) को प्रस्तुत करता है, जो एक विधि है जो फेज़्ड सैंपलिंग और साइन-कंसिस्टेंसी चेक के माध्यम से टीचर सिग्नल्स को गेट करने के लिए एक बाइनरी वेरीफायर का उपयोग करके ऑन-पॉलिसी डिस्टिलेशन को बढ़ाता है, जिससे प्रतियोगिता-स्तर के गणितीय तर्क बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र प्रदर्शित करता है कि यूक्रेनी-विशिष्ट न्यूनतम-संपादन निर्देशों और फ्यू-शॉट उदाहरणों के साथ वाणिज्यिक और ओपन-सोर्स एलएलएम (LLMs) को रणनीतिक रूप से प्रॉम्प्ट करने से यूक्रेनी व्याकरणिक त्रुटि सुधार में अत्याधुनिक प्रदर्शन प्राप्त किया जा सकता है, जो फाइन-ट्यून्ड मॉडलों के अंतर को 90% से अधिक कम कर देता है और विशिष्ट भाषाई ओवरकरेक्शन पैटर्न को प्रकट करता है।
यह शोध पत्र यह प्रदर्शित करता है कि बड़े भाषा मॉडल (Large Language Models) की 'इम्प्लिसिट मल्टी-हॉप रीजनिंग' (implicit multi-hop reasoning) में विफलता याद किए गए तथ्यों की कमी के कारण नहीं, बल्कि प्रीट्रेनिंग की कमी के कारण है, क्योंकि कंपोजिशनल रीजनिंग (compositional reasoning) क्षमताएं केवल उन व्यक्तियों (मॉडल्स) में स्थानांतरित होती हैं जो प्रीट्रेनिंग के दौरान स्पष्ट रूप से मल्टी-हॉप संदर्भों के संपर्क में आए होते हैं।
यह शोध पत्र SkeMex को प्रस्तुत करता है, जो एक पोस्ट-डिप्लॉयमेंट स्व-विकसित (self-evolving) फ्रेमवर्क है जो इंटरेक्शन ट्राजेक्टरीज को एक संरचित, मल्टी-ब्रांच स्किल मेमोरी में संकलित करके और मॉडल वेट्स को अपडेट किए बिना पुन: प्रयोज्य ज्ञान को निरंतर परिष्कृत करने के लिए एक क्लोज्ड-लूप "रीड-राइट-असेस-गवर्न" लाइफसाइकिल का उपयोग करके मेडिकल एजेंट्स की लॉन्ग-होरइजन रीजनिंग को बढ़ाता है।
यह शोध पत्र कॉनवेक्स गेट (C-Gate) का प्रस्ताव करता है, जो एक नवीन स्पीच-टू-एलएलएम (speech-to-LLM) इंटरफ़ेस है जो निरंतर ध्वनिक निरूपणों (continuous acoustic representations) को उत्तल संयोजनों (convex combinations) के माध्यम से पूर्व-प्रशिक्षित एलएलएम के एम्बेडिंग मैनिफोल्ड (embedding manifold) के भीतर सीमित करता है, जो यह प्रदर्शित करता है कि स्पीच रिकग्निशन और इमोशन रिकग्निशन दोनों कार्यों में बेहतर प्रदर्शन प्राप्त करने के लिए ज्यामितीय संरेखण (geometric alignment) और समय-समाधान प्रक्षेपवक्र (time-resolved trajectories), डिस्क्रीट टोकन पहचान की तुलना में अधिक महत्वपूर्ण हैं।
यह शोध पत्र ग्राउंडेड जनरेशन के लिए एक कवरेज-अवेयर मूल्यांकन ढांचे को प्रस्तुत करता है जो फॉर्मूला 1 और मौसम डोमेन में पूर्ण-ओरेकल बेंचमार्क के माध्यम से यह प्रदर्शित करके मौजूदा प्रिसिजन-ओनली फेथफुलनेस मेट्रिक्स की सीमाओं को उजागर करता है कि वर्तमान मॉडल प्रासंगिक तथ्यों को कम रिपोर्ट करके उच्च फेथफुलनेस प्राप्त करते हैं, और एक एकीकृत स्कोर एवं वर्िफायर-गाइडेड पद्धति का प्रस्ताव करता है जो प्रिसिजन और रिकॉल दोनों में सुधार करती है।
PriFT (प्रायर-सपोर्ट गाइडेड फाइन-ट्यूनिंग) एक फ्रोजन प्रीट्रेंड मॉडल से स्थिर टोकन रीवेटिंग सिग्नल्स निकालकर सुपरवाइज्ड फाइन-ट्यूनिंग के सामान्यीकरण और RL इनिशियलाइजेशन में सुधार करता है ताकि ऑनलाइन मॉडल के डिस्ट्रीब्यूशन के उपयोग से होने वाली सेल्फ-रीइन्फोर्सिंग डायनेमिक्स से बचा जा सके।