10311 पेपर
यह शोध पत्र इन-कॉन्टेक्स्ट लर्निंग के लिए एक टेस्ट-टाइम कैलिब्रेशन विधि प्रस्तावित करता है जो मॉडल के लॉग-प्रोबेबिलिटीज से प्राप्त एक सेल्फ-सुपरवाइज्ड कॉन्फिडेंस प्रॉक्सी को अधिकतम करके निरंतर प्रॉम्प्ट एम्बेडिंग्स को अनुकूलित करता है, जिससे फाइन-ट्यूनिंग, टोकन जनरेशन, या बाहरी डेटा की आवश्यकता के बिना वर्गीकरण और जनरेशन दोनों कार्यों पर प्रदर्शन में सुधार होता है।
यह शोध पत्र मल्टी-गेट रेसिडुअल्स (MGR) का प्रस्ताव करता है, जो अटेंशन पूलिंग के साथ एक स्कोरिंग और गेटिंग तंत्र का उपयोग करके डीप रेसिडुअल नेटवर्क्स में एक्टिवेशन स्केल्स को स्थिर करने वाला एक नवीन आर्किटेक्चर है, जिससे अटेंशन रेसिडुअल्स से जुड़े संचार ओवरहेड के बिना प्रदर्शन में सुधार प्राप्त होता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि लार्ज लैंग्वेज मॉडल्स में रिप्रजेंटेशनल कन्वर्जेंस (प्रतिनिधित्व संबंधी अभिसरण) साझा तर्क रणनीतियों का संकेत देता है, यह प्रकट करते हुए कि जहाँ मॉडल साझा इनपुट के लिए समान आंतरिक प्रतिनिधित्व विकसित करते हैं, वहीं वे तर्क प्रक्रियाओं के संबंध में महत्वपूर्ण विसंगतियाँ प्रदर्शित करते हैं, विशेष रूप से समस्या की कठिनाई, निर्णय के चरणों और साझा सूचना के कारणत्मक प्रभाव के संदर्भ में।
यह शोध पत्र eJSL डायलॉग डेटासेट को पेश करके और व्यवस्थित बेंचमार्किंग के माध्यम से यह प्रदर्शित करके कि मौजूदा सामान्य मॉडल एक डोमेन गैप से ग्रस्त हैं, साइन लैंग्वेज इमोशन रिकग्निशन में संवादात्मक संदर्भ की कमी को संबोधित करता है, जो भविष्य के अनुसंधान के लिए संदर्भ-जागरूक विजुअल एक्सट्रैक्टर्स और बड़े पैमाने के डेटासेट की आवश्यकता पर प्रकाश डालता है।
यह शोध पत्र व्यक्तिगत एजेंटिक सुदृढीकरण शिक्षण (Agentic Reinforcement Learning) के लिए एक एकीकृत ढांचे का प्रस्ताव करता है जो विविध योजना और टूल-उपयोग परिदृश्यों में एजेंट के प्रदर्शन को प्रभावी ढंग से संबोधित करने और विषम उपयोगकर्ता प्राथमिकताओं को हल करने के लिए पर्सनलाइज्ड एंकर रिवॉर्ड-डिकपल्ड पॉलिसी ऑप्टिमाइजेशन (PARPO), एक प्राथमिकता-विच्छेदित रिवॉर्ड मॉडल और प्रेफरेंस-अलाइन्ड स्किल इवोल्यूशन ग्राफ मेमोरी (PSGM) को एकीकृत करता है।
यह अध्ययन 36 उत्तरी-एंग्लो अंग्रेजी वक्ताओं के अल्ट्रासाउंड टंग इमेजिंग का उपयोग करके यह प्रदर्शित करता है कि स्वर /i/ के उत्पादन के लिए विशिष्ट व्यक्तिगत उच्चारण रणनीतियाँ डिफ्थोंग्स (diphthongs) में फॉर्मेंट डायनेमिक्स के आकार और समय की व्यवस्थित रूप से भविष्यवाणी करती हैं, जिससे विशिष्ट जीभ की गतिविधियों को ध्वनिक भिन्नता और वक्ता की विशिष्टता से जोड़ा जा सकता है।
यह शोध पत्र SSDAU का प्रस्ताव करता है, जो एक नवीन डेटा संवर्धन (data augmentation) विधि है जो कमजोर प्रशिक्षण डेटा के विरुद्ध जॉइंट एंटिटी और रिलेशन एक्सट्रैक्शन मॉडल्स की सामान्यीकरण (generalization) और सुदृढ़ता (robustness) में महत्वपूर्ण सुधार करने के लिए एंटिटी-आधारित विभाजन, संदर्भ-जागरूक पुनर्गठन और विषय फ़िल्टरिंग के माध्यम से सिमेंटिक संरचना को संरक्षित करता है।
यह शोध पत्र ARES को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो कच्चे दस्तावेज़ों से बड़े पैमाने पर, इंस्टेंस-विशिष्ट रूब्रिक-आधारित प्रशिक्षण डेटा को स्वचालित रूप से संश्लेषित करता है ताकि बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में सुदृढीकरण अधिगम (रीइन्फोर्समेंट लर्निंग) के प्रदर्शन को, विशेष रूप से जटिल, बहु-आयामी मुक्त-अंत वाले कार्यों के लिए, महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र समय-संवेदनशील जर्मन वैधानिक प्रश्नोत्तर के लिए एक बेंचमार्क प्रस्तुत करता है और यह प्रदर्शित करता है कि जबकि टेम्पोरल फ़िल्टरिंग के साथ रिट्रीवल-ऑगमेंटेड जनरेशन कानूनी एलएलएम (LLMs) में पोस्ट-कटऑफ पुरानापन और हालियाता पूर्वाग्रह को प्रभावी ढंग से कम करता है, वैनिला मॉडल और वेब सर्च दृष्टिकोण गंभीर टेम्पोरल विफलताओं से ग्रस्त होते हैं, जो विश्वसनीय कानूनी एआई के लिए टेम्पोरल वैधता को एक हार्ड कंस्ट्रेंट के रूप में लागू करने की आवश्यकता को रेखांकित करते हैं।
यह शोध पत्र स्ट्रक्चर-गाइडेड एंटिटी रेजोल्यूशन (SGER) प्रस्तुत करता है, जो लार्ज लैंग्वेज मॉडल्स के लिए एक टू-फेज करिकुलम फाइन-ट्यूनिंग फ्रेमवर्क है, जो जटिल, बहुभाषी व्यक्तिगत नामों को मिलाने में अत्याधुनिक सटीकता प्राप्त करता है और वर्तमान में ड्रीम11 के प्लेटफॉर्म पर KYC अनुपालन के लिए बड़े पैमाने पर तैनात किया गया है।