10206 पेपर
यह शोध पत्र यह प्रकट करता है कि जहाँ विजन-लैंग्वेज मॉडल अक्सर अस्पष्ट छवियों के लिए आंतरिक रूप से महिला संघों को एनकोड करते हैं, वहीं उनके आउटपुट व्यवस्थित रूप से पुरुष निरूपणों की ओर डिफ़ॉल्ट होते हैं क्योंकि एक विषम फ़िल्टरिंग तंत्र जनरेशन के दौरान पुरुष संकेतों को बढ़ाता है और महिला संकेतों को दबा देता है।
यह शोध पत्र प्रदर्शित करता है कि मध्यम आकार के ओपन-सोर्स भाषा मॉडल दुर्लभ युग्मित-केंद्रित (paired-focus) संरचनाओं के अर्थों को प्रभावी ढंग से समझ सकते हैं, जिसमें यह समझ सिंटैक्टिक ज्ञान की तुलना में प्रशिक्षण के बाद उभरती है और विश्व ज्ञान के विशिष्ट क्षेत्रों में होने वाली वृद्धि के साथ सह-संबंधित है।
यह शोध पत्र सिंथेटिक संवादात्मक डेटा जनरेशन में हालिया प्रगति का एक व्यापक सर्वेक्षण प्रस्तुत करता है, जो ओपन-डोमेन, कार्य-उन्मुख और सूचना-खोज प्रणालियों में मल्टी-टर्न संवादों को बनाने की विधियों की व्यवस्थित रूप से समीक्षा करता है, साथ ही एक सामान्य ढांचे, मूल्यांकन मेट्रिक्स, वर्तमान चुनौतियों और भविष्य की अनुसंधान दिशाओं को रेखांकित करता है।
यह शोध पत्र इन्फोडेमिक्स के दौरान गलत सूचनाओं का शीघ्र पता लगाने के लिए एक नवीन डोमेन अनुकूलन दृष्टिकोण प्रस्तावित करता है जो सैद्धांतिक और अनुभवजन्य रूप से मौजूदा अत्याधुनिक विधियों से बेहतर प्रदर्शन करने के लिए कोवेरिएट और कॉन्सेप्ट दोनों बदलावों को संबोधित करने की आवश्यकता को प्रदर्शित करता है।
यह शोधपत्र CriticalKV को प्रस्तुत करता है, जो एक औपचारिक रूप से आधारित, प्लग-एंड-प्ले एल्गोरिदम है जो आउटपुट परटर्बेशन (output perturbation) का विश्लेषण करके महत्वपूर्ण प्रविष्टियों की पहचान करने द्वारा KV कैश इविक्शन (eviction) को अनुकूलित करता है, जिससे विभिन्न लॉन्ग-कॉन्टेक्स्ट बेंचमार्क में नगण्य कम्प्यूटेशनल ओवरहेड के साथ संपीड़न हानि (compression loss) को काफी कम किया जा सकता है।
यह शोध पत्र ऑस्ट्रेलियाई चुनाव फेसबुक विज्ञापनों पर फाइन-ट्यून किए गए एक हल्के, अत्याधुनिक मॉडल को प्रस्तुत करता है जो फंडिंग, जनसांख्यिकी और समय के माध्यम से विशिष्ट अनुनय रणनीतियों (persuasion strategies) को प्रकट करने के लिए है, जिससे डिजिटल अभियानों में पारदर्शिता और मतदाता जागरूकता बढ़ती है।
यह सर्वेक्षण एकल-चैनल बहु-वक्ता स्वचालित भाषण पहचान (मोनोरल मल्टी-स्पीकर एएसआर) के लिए एंड-टू-एंड न्यूरल दृष्टिकोणों की एक व्यापक समीक्षा और व्यवस्थित वर्गीकरण प्रदान करता है, जो वास्तुशिल्प प्रतिमानों, हालिया एल्गोरिदम सुधारों, दीर्घ-रूप भाषण विस्तारों और बेंचमार्क प्रदर्शन का विश्लेषण करते हुए भविष्य की अनुसंधान दिशाओं को रेखांकित करता है।
यह शोध पत्र PersonaAgent प्रस्तुत करता है, जो एक नवीन ढांचा है जो गतिशील उपयोगकर्ता व्यक्तित्वों (dynamic user personas) द्वारा निर्देशित व्यक्तिगत स्मृति और क्रिया मॉड्यूल को एकीकृत करके लार्ज लैंग्वेज मॉडल एजेंटों को उन्नत करता है, जिससे एक टेस्ट-टाइम ऑप्टिमाइज़ेशन रणनीति के माध्यम से बेहतर वास्तविक समय प्राथमिकता संरेखण और अनुकूलित प्रदर्शन प्राप्त होता है।
यह स्थिति पत्र (position paper) तर्क देता है कि टेक्स्ट एम्बेडिंग अनुसंधान को भाषाई रूप से आधारित डेटा, गहरे मूल्यांकन बेंचमार्क और एक मुख्य मॉडलिंग उद्देश्य को अपनाकर सतही अर्थों (surface-level semantics) से हटकर निहित अर्थों—जैसे कि प्रासंगिकता (pragmatics) और वक्ता के इरादे—को पकड़ने पर अपना ध्यान केंद्रित करना चाहिए जो वास्तविक दुनिया की भाषाई जटिलता को बेहतर ढंग से प्रतिबिंबित करता हो।
यह शोधपत्र GroundAct प्रस्तुत करता है, जो एक व्यापक बेंचमार्क है यह प्रदर्शित करता है कि जब निर्देश व्यवहार्यता विवरणों को छोड़ देते हैं, तो LLM एजेंट पर्यावरणीय अवस्थाओं में कार्यों को ग्राउंड करने में संघर्ष करते हैं, जिससे यह उजागर होता है कि इस बहुआयामी चुनौती को केवल स्केलिंग के माध्यम से हल नहीं किया जा सकता है और इसके लिए विशेषता (attribute), टूल और समन्वय (coordination) तर्क में विशिष्ट क्षमताओं की आवश्यकता होती है।