10091 पेपर
यह शोधपत्र ईमानदारी, सहायकता और हानिरहितता पर ओपन-सोर्स मेडिकल LLMs का मूल्यांकन करने वाले एक कठोर बेंचमार्किंग ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि डोमेन-विशिष्ट ट्यूनिंग और फ्यू-शॉट प्रॉम्प्टिंग प्रदर्शन को बढ़ाते हैं, फिर भी AlpaCare-13B और BioMistral-7B-DARE जैसे मॉडलों में तथ्यात्मक विश्वसनीयता और सुरक्षा के बीच महत्वपूर्ण समझौते बने हुए हैं।
यह शोध पत्र ACON को प्रस्तुत करता है, जो एक एकीकृत ढांचा (unified framework) है जो बिना फाइन-ट्यूनिंग के विफलता विश्लेषण (failure analysis) के आधार पर प्राकृतिक भाषा दिशानिर्देशों को पुनरावृत्ति से परिष्कृत करके, दीर्घ-क्षितिज (long-horizon) वाले LLM एजेंटों के लिए संदर्भ संपीड़न (context compression) को अनुकूलित करता है, जिससे टोकन उपयोग में काफी कमी आती है और कार्य सफलता दर में सुधार होता है तथा छोटे मॉडलों को प्रभावी ढंग से कार्य करने में सक्षम बनाता है।
यह शोध पत्र डोमेन-शिफ्ट-अवेयर कॉन्फॉर्मल प्रेडिक्शन (DS-CP) का प्रस्ताव देता है, जो एक नवीन ढांचा है जो टेस्ट प्रॉम्प्ट्स के साथ अपनी निकटता के आधार पर कैलिब्रेशन सैंपल्स को व्यवस्थित रूप से पुन: भारित (reweighting) करके डोमेन शिफ्ट के तहत लार्ज लैंग्वेज मॉडल्स के लिए अनिश्चितता परिमाणीकरण की विश्वसनीयता को बढ़ाता है, जिससे वैध कवरेज गारंटी सुरक्षित रहते हुए अनुकूलन क्षमता में सुधार होता है।
यह शोध पत्र सर्च-ऑन-ग्राफ (SoG) का प्रस्ताव करता है, जो एक पुनरावृत्ति "अवलोकन-सोचें-नेविगेट करें" (observe-think-navigate) ढांचा है जो बड़े भाषा मॉडलों को पूर्ण तर्क इतिहास के आधार पर ज्ञान ग्राफ (knowledge graphs) के भीतर तर्क पथों को सीधे चुनने और उन पर आगे बढ़ने में सक्षम बनाता है, जिससे यह बिना किसी कार्य-विशिष्ट फाइन-ट्यूनिंग के KGQA बेंचमार्क पर मौजूदा विधियों से बेहतर प्रदर्शन करता है।
StreamingVLM एक एकीकृत विज़न-लैंग्वेज मॉडल फ्रेमवर्क है जो एक नवीन KV कैश पुन: उपयोग रणनीति और ओवरलैप्ड चंक्स पर सुपरवाइज्ड फाइन-ट्यूनिंग के माध्यम से प्रशिक्षण को स्ट्रीमिंग इन्फरेंस के साथ संरेखित करके अनंत वीडियो स्ट्रीम की वास्तविक समय में, स्थिर समझ को सक्षम बनाता है, जिससे कम विलंबता बनाए रखते हुए लंबी अवधि के बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र भाषा-रूपांतरिका (Bhasha-Rupantarika) को प्रस्तुत करता है, जो एक एल्गोरिदम-हार्डवेयर सह-डिज़ाइन किया गया बहुभाषी न्यूरल मशीन ट्रांसलेशन सिस्टम है जो अल्ट्रा-लो प्रिसिजन क्वांटाइजेशन और FPGA एक्सेलेरेशन का लाभ उठाकर मॉडल के आकार और हार्डवेयर संसाधन उपयोग में महत्वपूर्ण कमी लाता है, साथ ही संसाधन-सीमित IoT उपकरणों के लिए उच्च-थ्रूपुट, रियल-टाइम इन्फरेंस प्रदान करता है।
यह शोध पत्र मल्टी-एजेंट सिस्टम का मूल्यांकन करने के लिए एक रूपरेखा प्रस्तुत करता है और यह प्रकट करता है कि LLMs के बीच सहयोग, उद्भव (emergence), प्रसार (propagation) और प्रवर्धन (amplification) के माध्यम से रूढ़िवादी पूर्वाग्रह को महत्वपूर्ण रूप से बढ़ाता है, साथ ही इन प्रणालियों को पूर्वाग्रह इंजेक्शन हमलों (bias injection attacks) के प्रति अत्यधिक संवेदनशील भी बनाता है।
यह शोध पत्र OncoReason को प्रस्तुत करता है, जो एक मल्टी-टास्क लर्निंग फ्रेमवर्क है जो MSK-CHORD डेटासेट पर स्टेट-ऑफ-द-आर्ट, व्याख्या योग्य सर्वाइवल प्रेडिक्शन (उत्तरजीविता भविष्यवाणी) प्राप्त करने के लिए चेन-ऑफ-थॉट प्रॉम्प्टिंग और ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन जैसी रणनीतियों के माध्यम से लार्ज लैंग्वेज मॉडल्स को संरचित नैदानिक तर्क के साथ संरेखित करता है।
यह शोध पत्र एक नवीन टोकन-स्तरीय दृश्य विश्वसनीयता माप (visual reliability measure) प्रस्तावित करता है जो फीचर संवेदनशीलता (feature sensitivity) और काउंटरफैक्टुअल संकेतों (counterfactual signals) को जोड़ता है ताकि साइन लैंग्वेज ट्रांसलेशन में मतिभ्रम (hallucinations) का प्रभावी ढंग से पता लगाया जा सके और उनका निदान किया जा सके, और यह इस बात को मात्रात्मक रूप से मापता है कि मॉडल भाषाई पूर्वग्रहों (language priors) के बजाय दृश्य साक्ष्यों पर किस सीमा तक निर्भर करते हैं।
SinBERT 312 GB टेक्स्ट पर स्क्रैच से प्रशिक्षित पहला बड़े पैमाने का, RoBERTa-आधारित तुर्की भाषा मॉडल पेश करता है, जो प्रतिस्पर्धी प्रदर्शन प्रदर्शित करते हुए यह प्रकट करता है कि रूपात्मक रूप से समृद्ध भाषाओं के लिए डेटा की शुद्ध मात्रा की तुलना में कॉर्पस की गुणवत्ता और विविधता अधिक महत्वपूर्ण हो सकती है।