10206 पेपर
यह शोध पत्र एक मैचड-कंट्रोल प्रोटोकॉल पेश करता है यह प्रदर्शित करने के लिए कि RAG रीडर की विफलताएं केवल बढ़ी हुई कॉन्टेक्स्ट लंबाई के बजाय रिट्रीव किए गए पासजों के बीच सिमेंटिक कॉम्पिटिशन (अर्थ संबंधी प्रतिस्पर्धा) से उत्पन्न होती हैं, जो यह दर्शाता है कि कठिन प्रतिस्पर्धियों को कम प्रासंगिक पासजों से बदलने से एक्सैक्ट मैच, आंसर इंक्लूजन और F1 स्कोर जैसे प्रदर्शन मेट्रिक्स में महत्वपूर्ण सुधार होता है।
यह शोध पत्र हांगकांग और मुख्य भूमि चीनी संदर्भों में बड़े भाषा मॉडल (Large Language Models) की क्रॉस-सांस्कृतिक सौंदर्य संबंधी शैलीगत विशेषताओं का मूल्यांकन करने के लिए C4STYLI बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि मॉडल विभिन्न पहचान और निर्माण क्षमताओं का प्रदर्शन करते हैं, उनकी पहचान अक्सर गहरे शैलीगत संरचनाओं के बजाय सतही भाषाई संकेतों पर निर्भर करती है, जो सीमित वास्तविक सांस्कृतिक संवेदनशीलता को इंगित करती है।
यह शोध पत्र एक सेल्फ-एन्सेम्बलिंग विजन-लैंग्वेज मॉडल पद्धति प्रस्तावित करता है जो चार्ट-टू-टेबल डेटा निष्कर्षण की सटीकता और विश्वसनीयता में सुधार के लिए कई सैंपलड टैबुलर आउटपुट को एकत्रित करता है, जिसे एक नए जटिल बेंचमार्क (WB-ChartExtract) द्वारा मान्य किया गया है जो सिंगल-पास दृष्टिकोणों की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करता है।
यह शोध पत्र चार्टोग्राफर (Chartographer) का परिचय देता है, जो एक ऐसा ढांचा है जो विज़न-लैंग्वेज मॉडल्स की विज़ुअल रीजनिंग क्षमताओं का कठोरता से मूल्यांकन करने के लिए उन्हें निष्पादन योग्य कोड (executable code) में रिवर्स-इंजीनियर करके काउंटरफैक्टुअल चार्ट उत्पन्न करता है, जिससे यह पता चलता है कि कई मॉडल सामान्यीकरण करने में विफल रहते हैं जब मूल प्रश्नों का सही उत्तर देने के बावजूद अंतर्निहित चार्ट डेटा को बदल दिया जाता है।
यह शोध पत्र यह प्रदर्शित करता है कि विजन-लैंग्वेज मॉडल्स को वास्तविक-छवि संदर्भ प्रदान करने से अक्सर स्पूरियस (मिथ्या) दृश्य संकेतों के प्रति संवेदनशीलता उत्पन्न होकर, मूर्तता (concreteness) और कल्पनाशीलता (imagery) के शाब्दिक निर्णयों पर उनके प्रदर्शन में गिरावट आती है, जो इस बात का सुझाव देता है कि इस बात के बेहतर अंशांकन (calibration) की आवश्यकता है कि दृश्य इनपुट को ऐसे कार्यों में कब सूचित करना चाहिए।
यह शोध पत्र इंटरैक्शन SSD (Interaction SSD) का परिचय देता है, जो सुपरवाइज्ड सिमेंटिक डिफरेंशियल (Supervised Semantic Differential) का एक विस्तार है जो यह मॉडल और सांख्यिकीय रूप से परीक्षण करता है कि मॉडरेटर्स के बीच अर्थ संबंधी अर्थ कैसे भिन्न होते हैं, और यह दर्शाता है कि यह निर्ों dehumanizing hostility (अमानवीय शत्रुता) बनाम काउंटर-स्पीच (प्रति-भाषण) के संबंध में घृणास्पद भाषण के निर्णयों पर एनोटेटर की नस्लीय पहचान के प्रभाव को प्रकट करने में कैसे उपयोगी है।
यह शोध पत्र SAERL को प्रस्तुत करता है, जो एक डेटा इंजीनियरिंग फ्रेमवर्क है जो डेटा विविधता, कठिनाई और गुणवत्ता के संबंध में आंतरिक मॉडल संकेतों को निकालने के लिए स्पार्स ऑटोएनकोडर (Sparse Autoencoders) का लाभ उठाता है, जिससे बेहतर सटीकता और दक्षता के साथ LLM पोस्ट-ट्रेनिंग सुदृढीकरण लर्निंग (reinforcement learning) को अनुकूलित किया जा सके।
यह शोधपत्र MobileMoE को पेश करता है, जो एक बिलियन से कम पैरामीटर वाले ऑन-डिवाइस मिक्स्चर-ऑफ-एक्सपर्ट्स (Mixture-of-Experts) भाषा मॉडलों का एक परिवार है, जो मौजूदा डेंस और MoE बेसलाइनों की तुलना में बेहतर प्रदर्शन और दक्षता प्राप्त करने के लिए आर्किटेक्चर और प्रशिक्षण को अनुकूलित करता है, जिससे साधारण स्मार्टफोन पर तेज़ इन्फरेंस (inference) सक्षम होता है।
यह शोध पत्र MUSE-Autoskill को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) एजेंट फ्रेमवर्क है जो कौशल (skills) को निर्माण, स्मृति, प्रबंधन, मूल्यांकन और परिशोधन के एक एकीकृत जीवनचक्र के माध्यम से प्रबंधित करके कार्य-समाधान क्षमताओं को बढ़ाता है, और उन्हें पुन: प्रयोज्यता, विश्वसनीयता और क्रॉस-टास्क स्थानांतरण में सुधार के लिए दीर्घकालिक, अनुभव-जागरूक परिसंपत्तियों के रूप में मानता है।
यह शोध पत्र LSCD बेंचमार्क प्रस्तुत करता है, जो इसके घटक 'वर्ड-इन-कॉन्टेक्स्ट' (Word-in-Context) और 'वर्ड सेंस इंडक्शन' (Word Sense Induction) कार्यों के मूल्यांकन को मॉड्यूलर बनाने और एकीकृत करने द्वारा लेक्सिकल सिमेंटिक चेंज डिटेक्शन (Lexical Semantic Change Detection) में विषमता और पुनरुत्पादकता की चुनौतियों को संबोधित करने के लिए डिज़ाइन किया गया एक मानकीकृत रिपॉजिटरी है।