9552 पेपर
यह शोध पत्र एक फाइन-ट्यून्ड मल्टी-एजेंट फ्रेमवर्क प्रस्तावित करता है जो साइकोमेट्रिक पर्यवेक्षण के माध्यम से सिंगल-मॉडल पूर्वाग्रहों को कम करके, जीवन वृत्तांतों (लाइफ नैरेटिव्स) में OCEAN व्यक्तित्व लक्षणों को सटीक और सुसंगत रूप से पहचानने के लिए पर्सपेक्टिव-कंडीशन्ड सब-एजेंट्स और एक जज LLM का लाभ उठाता है।
यह शोध पत्र राउंडटेबल कॉन्टेक्स्ट विंडो टेस्ट (RCWT) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि निश्चित कॉन्टेक्स्ट बजट के तहत LLMs में प्रदर्शन में गिरावट मुख्य रूप से समन्वय सामग्री (coordination content) द्वारा कार्य-महत्वपूर्ण साक्ष्यों के विस्थापन के कारण होती है, न कि केवल समन्वय की मात्रा के कारण, जैसा कि इंटैक्ट-टास्क एब्लेशन्स (intact-task ablations) से प्रमाणित होता है जहाँ मॉडल उच्च समन्वय अनुपातों के साथ भी अपनी सटीकता बनाए रखते हैं।
फिन-एनालिस्ट (Fin-Analyst), जिसमें टेस्ला के लिए आठ-विशेषज्ञों वाले एलएलएम (LLM) पाइपलाइन और बिटकॉइन के लिए एक नियम-आधारित सिग्नल सिस्टम वाला एक हाइब्रिड ट्रेडिंग एजेंट शामिल है, ने 13.51% रिटर्न के साथ फिनएमएमइवल (FinMMEval) 2026 टास्क 3 लीडरबोर्ड पर शीर्ष रैंकिंग हासिल की, जो मेमोरीलेस मॉडल्स और फिक्स्ड थ्रेशोल्ड्स की तुलना में इवेंट-ड्रिवन एलएलएम विश्लेषण की श्रेष्ठता को प्रदर्शित करता है और अल्पकालिक लाइव ट्रेडिंग मूल्यांकनों की अस्थिरता संवेदनशीलता को उजागर करता है।
यह अध्ययन प्रदर्शित करता है कि ऑन-डिवाइस 4B रिसर्च एजेंटों के लिए, उद्धरण निष्ठा (citation faithfulness) मुख्य रूप से मॉडल को दिए गए स्रोत टेक्स्ट की मात्रा द्वारा निर्धारित होती है न कि स्रोत की गुणवत्ता द्वारा, जबकि सही स्रोतों का कवरेज पूरी तरह से रिट्रीवल रिकॉल (retrieval recall) द्वारा सीमित रहता है।
यह शोध पत्र Llama-3.1-70B-Instruct में एक साझा "काउंटडाउन सबसर्किट" (countdown subcircuit) की पहचान करता है जो भाषा मॉडलों को विविध कार्यों में शेष टोकन को ट्रैक करने में सक्षम बनाता है, जो लक्ष्य-तक-समय (time-to-goal) का अनुमान लगाने के लिए एक सामान्यीकरण योग्य तंत्र को प्रकट करता है जो विभिन्न मॉडलों और संदर्भों में स्थानांतरित होता है।
यह शोध पत्र LakeQuest को प्रस्तुत करता है, जो तीन विविध डोमेन में लगभग 10,000 QA (प्रश्न-उत्तर) युग्मों से बना एक मानव-सत्यापित बेंचमार्क है, जिसे यथार्थवादी, विषम डेटा लेक्स (data lakes) पर एंड-टू-एंड प्रश्न उत्तर करने में वर्तमान रिट्रीवल-ऑगमेंटेड और एजेंटिक प्रणालियों की सीमाओं का मूल्यांकन करने और उन्हें उजागर करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र रिट्रीवल-ऑगमेंटेड क्वेश्चन अनswering के लिए एक QUBO-अनुकूलित फ्रेमवर्क प्रस्तावित करता है जो मल्टी-हॉप प्रश्नों के लिए कॉम्पैक्ट और पूरक पैसेज उपसमुच्चयों (passages subsets) को कुशलतापूर्वक पहचानने के लिए साक्ष्य चयन को एक डिस्क्रीट एनर्जी मिनिमाइजेशन समस्या के रूप में तैयार करता है, जो प्रतिस्पर्धी उत्तर जनरेशन प्रदर्शन को बनाए रखते हुए लागतपूर्ण LLM-आधारित चयनकर्ताओं के एक स्केलेबल विकल्प के रूप में कार्य करता है।
यह शोध पत्र एक सांस्कृतिक रूप से संवेदनशील 'रिस्पॉन्सिबल एनएलपी' (Responsible NLP) ढांचे का प्रस्ताव देकर कम-संसाधन वाली भाषाओं में स्वास्थ्य संबंधी गलत सूचनाओं की चुनौती को संबोधित करता है और यह प्रदर्शित करता है कि 'Phi-4 स्मॉल लैंग्वेज मॉडल' बांग्ला में दावे निष्कर्षण (claim extraction) के लिए परिशुद्धता (precision) और रिकॉल (recall) का एक इष्टतम संतुलन प्रदान करता है, जो संसाधन-गहन लार्ज लैंग्वेज मॉडल्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र रेडिट (Reddit) पर कैंसर संबंधी गलत सूचनाओं को वर्गीकृत करने के लिए एक बहु-आयामी वर्गीकरण और विशेषज्ञ-एनोटेटेड डेटासेट प्रस्तुत करता है, जो यह प्रकट करता है कि ऐसी सामग्री चर्चाओं का लगभग 6% हिस्सा है और यह प्रदर्शित करता है कि फ्यू-शॉट प्रॉम्प्टिंग (few-shot prompting) सूक्ष्म गलत सूचना नैरेटिव्स का पता लगाने की लार्ज लैंग्वेज मॉडल्स की क्षमता को महत्वपूर्ण रूप से बढ़ाती है।
"रिंग-ज़ीरो" (Ring-Zero) नामक शोध पत्र एक स्थिर और कुशल प्रशिक्षण पाइपलाइन प्रस्तुत करता है जो ज़ीरो-शॉट सुदृढीकरण लर्निंग (zero-shot reinforcement learning) को 1 ट्रिलियन पैरामीटर्स तक स्केल करता है, जिससे यह पता चलता है कि बड़े पैमाने के मॉडल स्वतः ही उन्नत तर्क व्यवहार विकसित कर लेते हैं और गणितीय बेंचमार्क पर छोटे मॉडलों से बेहतर प्रदर्शन करते हैं, जबकि वे हस्तनिर्मित ह्यूरिस्टिक्स (hand-crafted heuristics) को अनावश्यक बना देते हैं।