10025 पेपर
यह शोध पत्र "अटेंशन फ्लोज़" (attention flows) को अनुसंधान संबंधी ध्यान के संदर्भगत रूप से संरचित निरूपणों के रूप में प्रस्तावित करता है जो पारंपरिक संचित गणनाओं की तुलना में समय के विकास और संदर्भ को बेहतर ढंग से पकड़ते हैं, और बेंचमार्किंग के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण संरचनात्मक तुलना, आंशिक अवलोकन के प्रति सुदृढ़ता और समग्र अनुसंधान मूल्यांकन में सुधार करता है।
ACE-SQL एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो निष्पादन फीडबैक का उपयोग करके अनुकूलन योग्य, ऑन-पॉलिसी रिट्रीवल लक्ष्यों को प्राप्त करने के लिए स्कीमा रिट्रीवल और SQL जनरेशन को संयुक्त रूप से अनुकूलित करता है, जिससे जटिल Text-to-SQL कार्यों पर कुशल टोकन उपयोग के साथ उच्च सटीकता प्राप्त होती है।
यह शोध पत्र Asuka-Bench को पेश करता है, जो एक नया बेंचमार्क है जिसे वास्तविक दुनिया के मल्टी-राउंड रिफाइनमेंट चक्रों को सिम्युलेट करके वेब डेवलपमेंट कार्यों पर कोड एजेंटों का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जहाँ एजेंट स्वचालित UI टेस्टिंग और प्राकृतिक भाषा फीडबैक के आधार पर कम-निर्दिष्ट (underspecified) प्रोजेक्ट्स को बार-बार बेहतर बनाते हैं, जिससे वर्तमान मॉडलों के बीच प्रदर्शन के महत्वपूर्ण अंतर का पता चलता है।
यह शोध पत्र एक बहु-आयामी पुनरावृत्ति परिशोधन ढांचे (multi-aspect iterative refinement framework) को प्रस्तुत करता है जो विशिष्ट एलएलएम (LLMs) को प्रशिक्षित करने के लिए उच्च गुणवत्ता वाले अनुवाद संदर्भ और प्राथमिकता डेटा उत्पन्न करता है, जिसके परिणामस्वरूप लिट-एमटी (LitMT) मॉडल प्राप्त होते हैं जो सुपरवाइज्ड फाइन-ट्यूनिंग और जीआरपीओ (GRPO)-आधारित सुदृढीकरण शिक्षण के माध्यम से प्रवाह और साहित्यिक प्रभाव को प्रभावी ढंग से संतुलित करके साहित्यिक अनुवाद बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करते हैं।
यह शोध पत्र भाषा मॉडलों में प्रीट्रेनिंग फिल्टर्स और इन्फरेंस-टाइम गार्डरेल्स का ऑडिट करता है, जो यह प्रकट करता है कि वे सरल शाब्दिक संकेतों पर निर्भरता के माध्यम से हाशिए पर स्थित समूहों के उल्लेखों को असमान रूप से मिटा देते हैं और वास्तविक घृणास्पद भाषण या निजी जानकारी को पकड़ने में विफल रहते हैं, जिससे एक प्रकार का ज्ञानमीमांसीय अन्याय (epistemic injustice) उत्पन्न होता है जो मानवीय निर्णय के विपरीत है।
यह शोध पत्र प्रकट करता है कि दस बड़े भाषा मॉडलों और 37 भाषाओं में, राजनीतिक निष्पक्षता से समझौता किया गया है क्योंकि मॉडल सामाजिक-लोकतांत्रिक ग्रंथों की तुलना में दक्षिणपंथी और राष्ट्रवादी पार्टी के ग्रंथों के प्रति उच्च पर्प्लेक्सिटी (perplexity) प्रदर्शित करते हैं, जो एक ऐसा पूर्वाग्रह है जिसकी जड़ें निर्देश-ट्यूनिंग के बजाय प्रीट्रेनिंग में निहित हैं।
यह शोध पत्र CoRe-3 प्रस्तुत करता है, जो एक क्षमता मॉडल है जो कार्यों को फ्रेम करने (Framing), आउटपुट का निर्णय लेने (Judging) और मॉडलों को निर्देशित करने (Steering) के विशिष्ट कौशलों को अलग करके जेनरेटिव एआई का प्रभावी ढंग से उपयोग करने की छात्रों की क्षमता का आकलन करता है, और इन तीन कौशलों के पृथक्करण और अभिसारी वैधता (convergent validity) को प्रदर्शित करने वाले एक ओपन प्लेटफॉर्म के माध्यम से इस ढांचे को मान्य करता है।
यह शोध पत्र सोशल मीडिया स्टैंड (stance) डिटेक्शन के लिए ज़ीरो-शॉट प्रॉम्प्टिंग में विभिन्न प्रासंगिक विशेषताओं को एकीकृत करने के प्रभाव की जांच करता है, जो यह प्रकट करता है कि जहाँ LLM-जनित लक्ष्य विवरण (target descriptions) लगातार प्रदर्शन में सुधार करते हैं, वहीं अन्य वास्तविक दुनिया का उपयोगकर्ता मेटाडेटा अक्सर इनपुट शोर और प्रासंगिक जानकारी को फ़िल्टर करने में मॉडल की कठिनाई के कारण मिश्रित या हानिकारक परिणाम देता है।
यह शोध पत्र यह प्रदर्शित करता है कि इंडिकट्रांस2 (IndicTrans2) मॉडल को प्राकृत को हिंदी भाषा टैग के माध्यम से रूट करने के लिए अनुकूलित करके, डेटा की कमी और बोलियों के बेमेल होने जैसी चुनौतियों के बावजूद बेहतर BLEU स्कोर प्राप्त करते हुए, कम-संसाधन वाले परिवेश में अंग्रेजी-से-प्राकृत मशीन अनुवाद संभव है।
यह शोध पत्र MDP-GRPO को प्रस्तुत करता है, जो ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (Group Relative Policy Optimization) का एक स्थिर संस्करण है, जो डिस्क्रीट (discrete), लो-डिस्पर्शन रिवॉर्ड सेटिंग्स में अस्थिरता को दूर करने के लिए मल्टी-टेम्परेचर सैंपलिंग, ड्यूल-एंकर एडवांटेज, प्रॉस्पेक्ट-थ्योरेटिक शेपिंग और एसिमेट्रिक KL रेगुलराइजेशन का उपयोग करता है, जिससे मल्टी-कन्स्ट्रेंट इंस्ट्रक्शन फॉलोइंग प्रदर्शन में महत्वपूर्ण सुधार होता है।