9931 पेपर
डिडैक्ट (Didact) एक प्रोटोटाइप सिस्टम है जो ऑस्ट्रेलियाई नीति दस्तावेजों और अनुसंधान प्रकाशनों को एक कंपोजिट रिट्रीवल-ऑगमेंटेड जनरेशन पाइपलाइन और एक इंटरैक्टिव एविडेंस रेल (Evidence Rail) के साथ एक नॉलेज ग्राफ में एकीकृत करके खंडित रक्षा सूचनाओं का समाधान करता है, ताकि प्राकृतिक भाषा संवादों के माध्यम से कुशल, ऑडिट योग्य क्षमता खोज की सुविधा प्रदान की जा सके।
यह शोध पत्र एक पॉइंट-ऑफ-इंटरेस्ट-अवेयर कंट्रास्टिव ट्रेनिंग फ्रेमवर्क प्रस्तावित करता है जो विस्पर-स्मॉल (Whisper-small) को फाइन-ट्यून करने के लिए एलएलएम-जनरेटेड (LLM-generated) नियर-मिस हाइपोथीसेस का लाभ उठाता है, जिससे सामान्य और कोड-स्विचिंग-विशिष्ट त्रुटि मेट्रिक्स दोनों पर कोड-स्विचिंग स्पीच रिकग्निशन की सटीकता में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोधपत्र यह प्रदर्शित करते हुए कि प्रभावी शिक्षण के लिए लेटेंट स्पेस में कम-विकृति वाले सिमेंटिक ऑपरेटर्स की आवश्यकता होती है, जहाँ फाइन-ट्यूनिंग ज्यामिति का विस्तार करने के बजाय उसे पुन: कैलिब्रेट करती है, सिमेंटिक सिग्नल अंतिम लेयर में केंद्रित होते हैं, हार्ड नेगेटिव्स रैंकिंग सुधारने के बिना भेदभाव में सहायता करते हैं, और पर्यवेक्षण की प्रभावकारिता लक्षित अवधारणा के संरचना प्रकार पर निर्भर करती है, सेंटेंस एनकोडर्स में कॉन्सेप्ट रिप्रेजेंटेशन को नियंत्रित करने वाले चार सिद्धांतों को स्थापित करता है।
यह शोध पत्र RASFT का प्रस्ताव करता है, जो एक पॉलिसी-अवेयर सुपरवाइज्ड फाइन-ट्यूनिंग फ्रेमवर्क है जो समस्या की समाधान क्षमता और पॉलिसी कॉन्फिडेंस के आधार पर विशेषज्ञ अनुकरण (expert imitation) और स्व-निर्मित तर्क (self-generated reasoning) के बीच संतुलन को गतिशील रूप से समायोजित करता है, जिससे मौजूदा SFT और RL विधियों की तुलना में गणितीय और कोड रीजनिंग बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र फाउंडेशन मॉडल एजेंटों में सिम-टू-रियल गैप को औपचारिक रूप देने के लिए एक एकीकृत मार्कोव डिसीजन प्रोसेस (MDP) ढांचे का प्रस्ताव करता है, जो विश्वसनीय वास्तविक दुनिया के परिनियोजन के लिए अवलोकन, क्रिया, संक्रमण और पुरस्कार में विसंगतियों को पाटने हेतु शास्त्रीय रोबोटिक्स समाधानों और मानकीकृत बेंचमार्क के अनुकूलन की वकालत करता है।
यह शोध पत्र सिमेंटिक आर-प्रिसिजन (SemR-p) को प्रस्तुत करता है, जो स्वचालित रूप से उत्पन्न कीवर्ड्स के लिए एक नवीन मूल्यांकन मीट्रिक है, जो प्रासंगिकता और सूचनात्मकता के मानवीय निर्णयों के साथ बेहतर तालमेल बिठाने के लिए एक रैंक-जागरूक ढांचे में सिमेंटिक समानता को एकीकृत करता है।
यह अध्ययन प्रदर्शित करता है कि जहाँ लैंग्वेज मॉडल एम्बेडिंग्स सेल्फ-पेस्ड रीडिंग और EEG डेटा में सिमेंटिक एसोसिएशन को परिमाणित कर सकती हैं, वहीं तंत्रिका (N400) और व्यवहार संबंधी दोनों मापों पर इन प्रभावों की विश्वसनीयता पद्धतिगत विकल्पों पर महत्वपूर्ण रूप से निर्भर करती है, जिसमें वाक्य-आधारित एम्बेडिंग्स शब्द की पूर्वानुमेयता से परे सिमेंटिक एसोसिएशन को पकड़ने में शब्द-आधारित दृष्टिकोणों की तुलना में बेहतर प्रदर्शन करती हैं।
यह शोध पत्र mmPISA-bench प्रस्तुत करता है, जो 43 भाषाओं में PISA से व्युत्पन्न एक बहुभाषी तर्क बेंचमार्क है, जो यह प्रदर्शित करता है कि आधुनिक LLMs मशीन अनुवाद से न्यूनतम गिरावट के साथ मानव-तुलनीय तर्क प्रदर्शन प्राप्त करते हैं, हालांकि यह विभिन्न भाषाओं के बीच सटीकता और अनुमान लागत (inference costs) में महत्वपूर्ण भिन्नताओं को प्रकट करता है।
SigmaScale एक नवीन LLM संपीड़न (compression) विधि है जो एक्टिवेशन-अवेयर SVD के माध्यम से वेट मैट्रिसेस (weight matrices) की प्रभावी इंट्रिन्सिक रैंक को कम करने के लिए सीखे गए डायगोनल स्केलिंग मैट्रिसेस को अनुकूलित करती है, जिससे Llama 3.1 और Qwen3 जैसे मॉडलों पर अत्याधुनिक तकनीकों के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त होता है।
OffQ एक नवीन लो-बिट क्वांटाइजेशन विधि है जो टॉप-1 PCA के माध्यम से एक लो-डायमेंशनल आउटलायर सबस्पेस की पहचान करके, उच्च-परिमाण वाले एक्टिवेशन्स को एक एकल चैनल में रोटेट करके, और उनकी परिमाण को एक साझा ऑफसेट में परिवर्तित करके लार्ज लैंग्वेज मॉडल्स में एक्टिवेशन आउटलायर्स को कम करती है ताकि कुशल और सटीक W4A4KV4 क्वांटाइजेशन सक्षम किया जा सके।