10025 पेपर
यह शोधपत्र Octopus पेश करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो रोलआउट पुनर्संयोजन (rollout recombination) और एक रिस्पॉन्स-मास्किंग रणनीति के माध्यम से सघन स्व-सुधार उदाहरणों को संश्लेषित करके विजन-लैंग्वेज मॉडल्स के लिए सैंपल दक्षता को बढ़ाता है और प्रशिक्षण को स्थिर करता है, जिसके परिणामस्वरूप अत्याधुनिक Octopus-8B मॉडल प्राप्त होता है।
यह शोध पत्र बजट-गाइडेड एमसीटीएस (BG-MCTS) का प्रस्ताव करता है, जो एक ट्री-सर्च डिकोडिंग एल्गोरिदम है जो गणितीय और भौतिकी तर्क कार्यों में बजट-अज्ञेयवादी बेसलाइनों से बेहतर प्रदर्शन करने के लिए शेष टोकन बजट के साथ अन्वेषण (exploration) और परिशोधन (refinement) रणनीतियों को गतिशील रूप से संरेखित करता है।
यह शोध पत्र AI मॉडलों और डेटा कॉर्पोरा के बीच क्रॉस-कंटैमिनेशन (cross-contamination) को मॉडल करने के लिए एक द्विस्तरीय युग्मित (bilayer coupled) SIR/SIRS महामारी विज्ञान ढांचे का प्रस्ताव करता है, जो सैद्धांतिक विश्लेषण, एजेंट-आधारित सिमुलेशन और अनुभवजन्य प्रयोगों के माध्यम से यह प्रदर्शित करता है कि सिंथेटिक डेटा कंटैमिनेशन से सुपरक्रिटिकल मॉडल कोलैप्स डायनेमिक्स (supercritical model collapse dynamics) उत्पन्न होता है जहाँ डिटेक्शन-आधारित फ़िल्टरिंग सबसे प्रभावी शमन रणनीति है।
यह शोध पत्र जेनेरिक ट्रिपल-लेटेंट सीक्वेंस मॉडल्स पेश करता है जो उच्च-क्रम की अंतःक्रियाओं (higher-order interactions) को पकड़ने के लिए एक रनिंग टोकन स्टेट और कंप्रेस्ड पेयर-मेमोरी पाथवे का उपयोग करते हैं, जो विशिष्ट बेंचमार्क पर छोटे ट्रांसफॉर्मर बेसलाइन की तुलना में प्रदर्शन सुधार प्रदर्शित करते हैं, जबकि यह भी उल्लेख करते हैं कि एक गेटेड एसोसिएटिव रिट्रीवल एक्सटेंशन वर्तमान में सीड सेंसिटिविटी और धीमी इन्फरेंस गति से ग्रस्त है।
यह शोधपत्र MCBench प्रस्तुत करता है, जो विज़न, ऑडियो और टेक्स्ट मोडैलिटीज में ओम्नी लार्ज लैंग्वेज मॉडल्स की सुरक्षा का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान अत्याधुनिक मॉडल्स, मोडैलिटी-विशिष्ट जानकारी निकालने की अपनी क्षमता के बावजूद, क्रॉस-मोडल रीजनिंग और सूक्ष्म जोखिमों का पता लगाने में संघर्ष करते हैं।
यह शोध पत्र स्ट्रीमिंग एएसआर (ASR) प्रणालियों में विराम चिह्न बहाली (punctuation restoration) के लिए एक गैर-ऑटोरेग्रेसिव, भारित लुकअहेड स्कोरिंग पद्धति प्रस्तावित करता है जो मुक्त-रूप पीढ़ी (free-form generation) की आवश्यकता के बिना, एक सीमित भविष्य के संदर्भ के आधार पर सीमा-वार निर्णय लेकर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र रूब्रिक-आधारित शिक्षण गुणवत्ता स्कोरिंग का मूल्यांकन करने के लिए SHAP एट्रिब्यूशंस और LLM-जनित तर्क (rationales) को संयोजित करने वाले एक ढांचे का प्रस्ताव करता है, जिसमें यह पाया गया है कि जबकि फाइन-ट्यून्ड PLMs उच्च सटीकता प्राप्त करते हैं, SHAP, LLM तर्कों की तुलना में अधिक निष्ठावान, सुसंगत और हस्तांतरणीय स्पष्टीकरण प्रदान करता है।
यह शोध पत्र मल्टी-ग्रैनुलैरिटी रीजनिंग नेटवर्क (MGRN) को प्रस्तुत करता है, जो एक एकल-परत निरूपणों की सीमाओं को दूर करने और नेचुरल लैंग्वेज इन्फरेंस प्रदर्शन में महत्वपूर्ण सुधार करने के लिए कई स्तरों पर पदानुक्रमित सिमेंटिक विशेषताओं को एकीकृत करके मानव संज्ञानात्मक प्रक्रियाओं की नकल करने वाला एक नवीन ढांचा है।
यह शोध पत्र "ग्रैनुलैरिटी गैप" (Granularity Gap) को प्रस्तुत करता है ताकि यह तर्क दिया जा सके कि बाइनरी अलाइनमेंट मेट्रिक्स (binary alignment metrics) एलएलएम (LLMs) में चाटुकारिता के व्यवहार के स्पेक्ट्रम को पकड़ने में विफल रहते हैं, जो जेमिनी (Gemini) के छह मॉडलों के एक अनुदैर्ध्य ऑडिट (longitudinal audit) को प्रस्तुत करता है जो गैर-मोनोटोनिक पीढ़ीगत प्रतिगमन (non-monotonic generational regressions), सामाजिक अनुपालन और तथ्यात्मक सटीकता के बीच एक महत्वपूर्ण ट्रेड-ऑफ, और मोटे विन-रेट आकलन (coarse win-rate assessments) के बजाय निरंतर, श्रेणीबद्ध मूल्यांकन की महत्वपूर्ण आवश्यकता को प्रकट करता है।
यह शोध पत्र प्रदर्शित करता है कि एक चरणबद्ध भिन्नात्मक-कारकीय स्क्रीनिंग वर्कफ़्लो (staged fractional-factorial screening workflow) कड़े बजट प्रतिबंधों के भीतर उच्च-प्रभाव वाले हाइपरपैरामीटर्स की प्रभावी ढंग से पहचान करता है और आशाजनक प्रशिक्षण कॉन्फ़िगरेशन को मान्य करता है, जो अंततः हार्डवेयर-अपरिवर्तनीय रैंकिंग या सामान्य हाइपरपैरामीटर अनुकूलन श्रेष्ठता के बजाय माइक्रो-प्रीट्रेनिंग के लिए एक ब्रिज-केंद्रित अनुशंसा का समर्थन करता है।