10206 पेपर
यह शोध पत्र डेटा संदूषण (डेटा कंटैमिनेशन) के कारण बढ़े हुए टेस्ट स्कोर को ठीक करने के लिए एक विधि प्रस्तावित करता है, जिसमें मेमोराइजेशन प्रेडिक्टर्स (स्मरण भविष्यवक्ताओं) को कैलिब्रेट करने के लिए ज्ञात टेस्ट उदाहरणों के साथ प्रशिक्षण डेटा को जानबूझकर "स्पाइकिंग" (स्पाइक) किया जाता है, जिनका उपयोग फिर मॉडल प्रदर्शन मेट्रिक्स को सांख्यिकीय रूप से समायोजित करने के लिए किया जाता है।
यह शोध पत्र यह तर्क देता है कि अनुवादकों को बिना किसी पहचान या मुआवजे के उनके रचनात्मक श्रम को आधारभूत प्रशिक्षण डेटा के रूप में विनियोजित करके एआई (AI) का "अदृश्य शिक्षक" बना दिया गया है, एक ऐसी प्रक्रिया जिसका लेखक कॉपीराइट कानून, भाषाई डेटा की राजनीतिक अर्थव्यवस्था और पुनर्वितरण संबंधी डिज़ाइन की तत्काल आवश्यकता के दृष्टिकोण से विश्लेषण करते हैं।
यह शोध पत्र Geo-Expert को प्रस्तुत करता है, जो एक कस्टम डेटासेट पर फाइन-ट्यून किए गए पैरामीटर-कुशल भूवैज्ञानिक (geological) LLMs का एक परिवार है, जो बड़े सामान्यवादी मॉडलों और प्रोप्रायटरी सिस्टम से बेहतर विशिष्ट तर्क क्षमताओं का प्रदर्शन करता है और वैज्ञानिक AI के लिए एक लागत प्रभावी समाधान प्रदान करता है।
यह शोध पत्र बार-बार आने वाले उप-अनुक्रमों (repeated subsequences) और रेनी एंट्रॉपी (Rényi entropies) पर आधारित एक नवीन मूल्यांकन ढांचे को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि प्राकृतिक भाषा के विपरीत, जो स्थिर दीर्घ-रेंज संरचनात्मक संगठन प्रदर्शित करती है, अत्याधुनिक लार्ज लैंग्वेज मॉडल्स उनके एंट्रॉपी विकास पैटर्न में व्यवस्थित और आकार-निर्भर विचलन प्रदर्शित करते हैं, जो यह प्रकट करता है कि वे सतही प्रवाह (surface fluency) से परे पाठ की गहरी सांख्यिकीय संरचना को पकड़ने में किस प्रकार मौलिक अंतराल रखते हैं।
यह शोध पत्र KCoT का प्रस्ताव करता है, जो एक एकीकृत ढांचा है जो टेक्स्ट-एट्रिब्यूटेड ग्राफ में चेन-ऑफ-थॉट रीजनिंग को एक पुनरावृत्ति -मीन्स क्लस्टरिंग प्रक्रिया के रूप में व्याख्यायित करता है, जिससे तर्क क्षमताओं और व्याख्यात्मकता को बढ़ाने के लिए सिमेंटिक प्रॉम्प्टिंग को टोपोलॉजिकल अलाइनमेंट के साथ एकीकृत किया जाता है।
यह शोध पत्र UniCo को पेश करता है, जो एक डेटा जनरेशन फ्रेमवर्क है जो पर्ल की कॉज़ल लैडर (Pearl's Causal Ladder) के across उच्च-गुणवत्ता वाला, विविध कॉज़ल प्रशिक्षण डेटा बनाता है, जो सिंथेटिक बेंचमार्क और वास्तविक दुनिया के अनुप्रयोगों दोनों में फाइन-ट्यून किए गए लार्ज लैंग्वेज मॉडल्स की कॉज़ल रीजनिंग क्षमताओं, सामान्यीकरण और निष्ठा को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक नवीन डिफरेंशिएबल ट्रेनिंग ऑब्जेक्टिव (DTO) प्रस्तावित करता है जो संदर्भ निष्ठा (reference fidelity) और सिमेंटिक निरंतरता (semantic consistency) के लिए संयुक्त रूप से अनुकूलित करने हेतु एक एंड-टू-एंड बैकप्रोपैगेशन लॉस का उपयोग करता है, जो काउंटरफैक्चुअल स्टोरी रीराइटिंग में स्थानीयकृत संशोधनों की चुनौतियों को प्रभावी ढंग से संबोधित करता है और पारंपरिक बेसलाइन एवं सुदृढीकरण लर्निंग (reinforcement learning) दृष्टिकोणों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र यह प्रदर्शित करके बहुभाषी एलएलएम (LLM) मूल्यांकनों की विश्वसनीयता की जांच करता है कि मशीन-अनुवादित बेंचमार्क में अनुवाद संबंधी त्रुटियां सटीकता में गिरावट में महत्वपूर्ण योगदान देती हैं और स्वचालित त्रुटि पहचान विधियां मानव एनोटेशन के साथ गैर-मामूली सहमति दिखाती हैं।
MultiHaluDet एक नवीन, भाषा-अज्ञेय (language-agnostic) तीन-चरणीय ढांचा है जो एक हाइब्रिड अटेंशन आर्किटेक्चर के साथ पूर्ण हिडन स्टेट प्रक्षेप पथों (hidden state trajectories) की जांच करके फ्रोजन लार्ज लैंग्वेज मॉडल्स में बहुभाषी मतिभ्रम (multilingual hallucinations) का पता लगाता है, जो भाषा-विशिष्ट फाइन-ट्यूनिंग की आवश्यकता के बिना उच्च, मध्यम और निम्न-संसाधन वाली भाषाओं में अत्याधुनिक प्रदर्शन और मजबूत क्रॉस-लिंगुअल सामान्यीकरण प्राप्त करता है।
यह शोध पत्र SEP-Attack का प्रस्ताव करता है, जो एक नवीन ट्रांसफर-आधारित टेक्स्टुअल एडवरसैरियल अटैक प्रतिमान (पैराडाइम) है जो शब्द के महत्व का सटीक अनुमान लगाने और अत्यधिक हस्तांतरणीय (ट्रांसफ़रेबल) एडवरसैरियल उदाहरणों को चुनने के लिए विविध सरोगेट एनसेम्बल वेट्स उत्पन्न करने हेतु डिटरमिनेंटल पॉइंट प्रोसेसेज का लाभ उठाता है, जो कई डेटासेट्स और वास्तविक दुनिया के API पर अत्याधुनिक बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।