9552 पेपर
यह शोध पत्र DKCD प्रस्तुत करता है, जो एक नवीन ढांचा है जो उच्च-विशेषज्ञता वाले डोमेन में अनस्ट्रक्चर्ड डेटा से कॉज़ल डिस्कवरी (causal discovery) को बेहतर बनाने के लिए डोमेन नॉलेज को एकीकृत करके लेटेंट फैक्टर्स की पहचान और कॉज़ल ग्राफ निर्माण की सटीकता को बढ़ाता है।
यह शोध पत्र सेल्फ-गाइडेड टेस्ट-टाइम ट्रेनिंग (S-TTT) का प्रस्ताव करता है, जो एक ऐसी विधि है जो मॉडल द्वारा स्वयं पहचाने गए साक्ष्य स्पैन (evidence spans) पर केवल मॉडल मापदंडों को चुनिчески अनुकूलित करके लॉन्ग-कॉन्टेक्स्ट LLM के प्रदर्शन में सुधार करती है, जिससे अप्रासंगिक संदर्भ पर प्रशिक्षण से जुड़े शोर और लागत से बचा जा सकता है।
यह शोध पत्र Soofi S 30B-A3B को प्रस्तुत करता है, जो एक संप्रभु, ओपन-सोर्स मिक्स्चर-ऑफ-एक्सपर्ट्स हाइब्रिड माम्बा ट्रांसफॉर्मर मॉडल है जिसे जर्मन और अंग्रेजी पर ध्यान केंद्रित करते हुए 27 ट्रिलियन टोकन पर प्रशिक्षित किया गया है, जो लंबी-संदर्भ अनुप्रयोगों के लिए बेहतर अनुमान दक्षता प्रदान करते हुए ओपन मॉडलों के बीच अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि छोटे बहुभाषी विजन-लैंग्वेज मॉडल्स के लिए, टेस्ट-टाइम स्केलिंग लाभ मुख्य रूप से जटिल खोज या सत्यापन तंत्र के बजाय प्रॉम्प्ट पारसेबिलिटी (parseability) और पर्याप्त डिकोडिंग बजट सुनिश्चित करने से संचालित होते हैं, जिसमें विजुअल मल्टीपल-चॉइस बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए अंतर्निहित पॉलिसी मॉडल सबसे महत्वपूर्ण कारक है।
यह शोध पत्र दो नवीन सामान्यीकरण तकनीकों, स्क्वायर रूट (Square Root) और हैपैक्स करेक्शन (Hapax Corrections) को प्रस्तुत करता है, जो बिना किसी अलग कैलिब्रेशन मॉडल की आवश्यकता के फोरेंसिक लेखकत्व सत्यापन के लिए सीधे सुव्यवस्थित लाइकलीहुड रेश्यो (likelihood ratios) के प्रत्यक्ष व्युत्पन्न को सक्षम करते हैं, जिससे पारंपरिक लॉजिस्टिक रिग्रेशन कैलिब्रेशन के समान या उससे बेहतर प्रदर्शन प्राप्त करते हुए डेटा और समय की आवश्यकताओं को कम किया जा सकता है।
Freya-TTS एक संक्षिप्त, टोकनाइज़र-मुक्त, तुर्की-प्रथम टेक्स्ट-टू-स्पीच मॉडल है जो उच्च गुणवत्ता वाले, वास्तविक समय के संवादात्मक संश्लेषण के लिए एक निरंतर लेटेंट स्पेस में नॉन-ऑटोरिग्रेसिव कंडीशनल फ्लो-मैचिंग डिफ्यूजन ट्रांसफॉर्मर का लाभ उठाता है, जो बड़े ओपन-सोर्स सिस्टमों की तुलना में बेहतर दक्षता और सटीकता प्राप्त करता है।
यह शोध पत्र एक व्याख्यात्मक, विशेषता-आधारित ग्राफ ढांचे को प्रस्तुत करता है जो संज्ञानात्मक-भाषाई वैचारिक विशेषताओं के माध्यम से आठ विविध भाषाओं में मुहावरेदार अभिव्यक्तियों का प्रतिनिधित्व करता है, यह प्रदर्शित करते हुए कि ऐसे नेटवर्क भाषा के बजाय अर्थ संबंधी स्कीमा (semantic schema) द्वारा क्लस्टर होते हैं और क्रॉस-लिंगुअल अनुवाद एवं मुहावरा पहचान कार्यों में वितरण संबंधी एम्बेडिंग (distributional embeddings) से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र एक नवीन ब्लॉकचेन सर्वसम्मति तंत्र का प्रस्ताव करता है जो पूर्ण या क्रमिक सर्वसम्मति प्राप्त करने के लिए एक संरचित, बहु-चरणीय विचार-विमर्श प्रक्रिया में तर्कसंगत एजेंटों के रूप में लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करता है, जिससे मुख्य ब्लॉकचेन गुणों को बनाए रखते हुए और प्रतिकूल चुनौतियों का समाधान करते हुए जटिल निर्णय लेने के लिए अनुकूलन क्षमता को बढ़ाया जा सके।
UtterTune एक हल्का, LoRA-आधारित तरीका है जो बहुभाषी LLM-आधारित टेक्स्ट-टू-स्पीच सिस्टम में अन्य भाषाओं में स्वाभाविकता और वक्ता की समानता को बनाए रखते हुए, ज़ीरो-शॉट सेटिंग में जापानी खंडीय उच्चारण (segmental pronunciation) और पिच एक्सेंट पर सटीक नियंत्रण सक्षम करता है।
यह शोध पत्र तर्क देता है कि कारण संबंधी अमूर्तीकरण (causal abstraction) का सिद्धांत यह समझने के लिए एक सुदृढ़ ढांचा प्रदान करता है कि प्रणालियाँ निरूपणों (representations) पर गणनाओं को कैसे कार्यान्वित करती हैं, विशेष रूप से सामान्यीकरण और भविष्यवाणी के दृष्टिकोणों के माध्यम से संज्ञानात्मक क्षेत्र के शास्त्रीय दार्शनिक विषयों को समकालीन डीप लर्निंग से जोड़कर।