10206 पेपर
यह शोध पत्र कीफ्रेज़ जेनरेटिव रिप्रेजेंटेशन (KGR) को प्रस्तुत करता है, जो एक हाइब्रिड जेनरेटिव दृष्टिकोण है जो एक स्थिर संकट वर्गीकरण (क्राइसिस टैक्सोनॉमी) का विस्तार करता है और पारंपरिक मैनुअल विश्लेषण की तुलना में 7,00,000 से अधिक एसएमएस बातचीत में उभरते, सांस्कृतिक रूप से विशिष्ट युवा संकट के विषयों की पहचान करने की सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र सिद्ध करता है कि एक कर्नेल ऑब्स्ट्रक्शन थ्योरम (kernel obstruction theorem) के कारण सुपरवाइज्ड और प्रेफरेंस-आधारित शिक्षण विधियाँ कॉज़ल डिस्कवरी (causal discovery) में मौलिक रूप से विफल रहती हैं, और एजेंटिक कॉज़ल बेयसियन ऑप्टिमाइज़ेशन (A-CBO) को एक प्रमाणित रूप से अभिसारी (provably convergent) विकल्प के रूप में प्रस्तावित करता है जो मौजूदा बेंचमार्क से बेहतर प्रदर्शन करने के लिए एक बाहरी बेयसियन लूप के भीतर एक इंटरवेंशनल ओरकल (interventional oracle) के रूप में एक फ्रोजन लैंग्वेज मॉडल का उपयोग करता है।
यह शोध पत्र एक मल्टी-एजेंट आर्किटेक्चर प्रस्तुत करता है जो वास्तविक समय के डेटा स्ट्रीम से अंतर्दृष्टि (insights) को स्वायत्त रूप से खोजने, सत्यापित करने और विज़ुअलाइज़ करने के लिए लार्ज लैंग्वेज मॉडल्स, अपाचे काफ्का और अपाचे फ्लिंक का लाभ उठाता है, जो एनालिटिक्स को रिएक्टिव क्वेरीइंग से प्रोएक्टिव डिस्कवरी की ओर स्थानांतरित करता है।
यह शोध पत्र प्रदर्शित करता है कि एक रणनीतिक रूप से स्थापित "सीड एजेंट" (seed agent), जिसे प्राकृतिक भाषा संवाद के माध्यम से सहयोगात्मक व्यवहारों को प्रसारित करने के लिए प्रशिक्षित किया गया है, अप्रशिक्षित बहु-एजेंट टीमों में सहयोग की दरों को महत्वपूर्ण रूप से बढ़ा सकता है और इन सहयोगात्मक क्षमताओं को पूरी तरह से भिन्न वातावरणों में ज़ीरो-शॉट (zero-shot) सफलतापूर्वक स्थानांतरित कर सकता है।
यह शोध पत्र मल्टी-एजेंट LLM एट्रिब्यूशन के लिए एक सहकारी गेम फ्रेमवर्क पेश करता है जो कुशल लीव-वन-आउट विधियों के माध्यम से बॉटलनेक एजेंटों की पहचान करता है और रणनीतिक मॉडल प्रतिस्थापन के माध्यम से लागत प्रभावी सिस्टम अनुकूलन को सक्षम बनाता है, जैसा कि चिकित्सा अनुप्रयोगों में बेहतर प्रदर्शन और नैतिक संरेखण द्वारा प्रदर्शित किया गया है।
यह शोध पत्र सिमरघ (Simorgh) प्रस्तुत करता है, जो एक क्षेत्र-जागरूक हाइब्रिड रिट्रीवल सिस्टम है जो 30 भाषाओं में सांस्कृतिक रूप से आधारित बहुभाषी प्रश्न-उत्तर को बेहतर बनाने के लिए क्षेत्रीय ह्यूरिस्टिक्स के साथ लेक्सिकल और डेंस सिमेंटिक मैचिंग को जोड़ता है, जो शुद्ध पैरामीट्रिक इन्फरेंस की तुलना में बेहतर क्रॉस-लिंगुअल स्थिरता प्रदर्शित करता है और डेटा असंतुलन के कारण बनी निरंतर प्रदर्शन अंतराल को रेखांकित करता है।
यह शोध पत्र एक ऐसी विधि प्रस्तुत करता है जो सॉफ्ट प्रॉम्प्ट्स (soft prompts) को प्राकृतिक भाषा के वर्बलाइज़ेशन (verbalizations) में अनुवादित करती है, यह प्रदर्शित करते हुए कि ये व्याख्या योग्य टेक्स्ट प्रॉम्प्ट्स न केवल मौजूदा ट्रेनिंग-मुक्त दृष्टिकोणों से बेहतर प्रदर्शन करते हैं, बल्कि छोटे ओपन-सोर्स मॉडल्स को ऐसे पोर्टेबल प्रॉम्प्ट्स उत्पन्न करने में सक्षम बनाते हैं जो बड़े क्लोज्ड-एपीआई (closed-API) मॉडल्स पर लागू होने पर मूल सॉफ्ट प्रॉम्प्ट्स और फ्यू-शॉट लर्निंग (few-shot learning) दोनों से बेहतर परिणाम देते हैं।
यह शोधपत्र MTM-Bench प्रस्तुत करता है, जो निर्देश, विषय-वस्तु और प्रतिक्रिया भाषाओं के पूर्ण रूप से क्रॉस डिज़ाइन वाले एक नियंत्रित बेंचमार्क के रूप में है, यह प्रदर्शित करने के लिए कि बहुभाषी LLMs में प्रदर्शन में गिरावट मुख्य रूप से इस बात से प्रेरित होती है कि एक भाषा किस विशिष्ट भूमिका को निभाती है—विशेष रूप से प्रतिक्रिया भाषा—न कि केवल भाषाओं के बेमेल होने की संख्या से।
यह शोध पत्र बीटा-बर्नौली कैलिब्रेटर (बीबीसी) का परिचय देता है, जो एक हल्का तरीका है जो पॉइंट एस्टीमेट्स को विश्वसनीय एपिस्टेमिक अनसर्टेन्टी के साथ कैलिब्रेटेड प्रोबेबिलिस्टिक फोरकास्ट में बदलने के लिए बाइनरी आउटकम्स और ह्यूमन फोरकास्ट डिस्ट्रीब्यूशन दोनों का लाभ उठाता है, जो मौजूदा कैलिब्रेशन और फाइन-ट्यूनिंग दृष्टिकोणों से बेहतर प्रदर्शन करता है।
यह शोध पत्र मोडैलिटी-अवेयर पॉलिसी ऑप्टिमाइज़ेशन (MAPO) को प्रस्तुत करता है, जो एक नवीन डुअल-ब्रांच सुदृढीकरण शिक्षण ढांचा है जो पॉलिसी ग्रेडिएंट्स को गतिशील रूप से केंद्रित करके और मोडैलिटी-क्रिटिकल टोकन पर लक्षित अटेंशन पेनल्टी लागू करके ऑडियो रीजनिंग में विलंबित-चरण मोडैलिटी कोलैप्स को कम करता है, जिससे जटिल ऑडियो बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।