💬 Category

cs.CL

10449 पेपर

💬 NLP

A Systematic Comparison between Extractive Self-Explanations and Human Rationales in Text Classification

यह शोध पत्र कई टेक्स्ट वर्गीकरण कार्यों में इंस्ट्रक्शन-ट्यून्ड एलएलएम (LLM) से प्राप्त एक्सट्रैक्टिव सेल्फ-एक्सप्लेनेशन (extractive self-explanations) की मानव तर्कसंगतताओं (human rationales) के साथ व्यवस्थित रूप से तुलना करता है, और यह पाता है कि हालांकि दोनों के बीच संरेखण पाठ की लंबाई और कार्य की जटिलता पर निर्भर करता है, फिर भी सेल्फ-एक्सप्लेनेशन्स टोकन-स्तरीय अंतर्दृष्टि प्रदान करते हैं जो पोस्ट-हॉक एट्रिब्यूशन विधियों (post-hoc attribution methods) के संरचनात्मक फोकस से मौलिक रूप से भिन्न हैं।

Stephanie Brandl, Oliver Eberle2026-05-21
💬 NLP

Toxic Subword Pruning for Dialogue Response Generation on Large Language Models

यह शोध पत्र ToxPrune को प्रस्तुत करता है, जो एक नवीन और कुशल एल्गोरिदम है जो प्रशिक्षित लार्ज लैंग्वेज मॉडल्स से विषाक्त शब्दावली (toxic vocabulary) से जुड़े उपशब्दों (subwords) को हटा देता है, जिससे पारंपरिक वेट-आधारित सुरक्षा संरेखण (weight-based safety alignment) की उच्च लागत या जोखिमों के बिना विषाक्त सामग्री के निर्माण को प्रभावी ढंग से रोका जा सकता है और साथ ही संवाद विविधता और प्रदर्शन को बढ़ाया जा सकता है।

Hongyuan Lu, Wai Lam2026-05-21
💬 NLP

Towards the Anonymization of the Language Modeling

यह शोध पत्र संवेदनशील डेटा पर BERT-जैसे और GPT-जैसे मॉडलों को विशिष्ट बनाने के लिए गोपनीयता-संरक्षण मास्क (Masking) और कॉज़ल लैंग्वेज मॉडलिंग (Causal Language Modeling) पद्धतियों का प्रस्ताव करता है, जो साझाकरण के लिए उच्च उपयोगिता बनाए रखते हुए प्रत्यक्ष और अप्रत्यक्ष पहचानकर्ताओं के अनुकरण (memorization) को प्रभावी ढंग से रोकता है।

Antoine Boutet, Lucas Magnana, Juliette Sénéchal2026-05-21
💬 NLP

LLMs on the Line: Data Determines Loss-to-Loss Scaling Laws

यह शोध पत्र यह प्रदर्शित करता है कि प्रीट्रेनिंग डेटा बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में लॉस-टू-लॉस स्केलिंग लॉज़ का प्राथमिक निर्धारक है, जबकि मॉडल का आकार, आर्किटेक्चर और हाइपरपैरामीटर्स का न्यूनतम प्रभाव पड़ता है, जो यह सुझाव देता है कि डाउनस्ट्रीम प्रदर्शन को अनुकूलित करने के लिए आर्किटेक्चरल विकल्पों की तुलना में डेटा क्यूरेशन अधिक महत्वपूर्ण है।

Prasanna Mayilvahanan, Thaddäus Wiedemer, Sayak Mallick, Matthias Bethge, Wieland Brendel2026-05-21
💬 NLP

END: Early Noise Dropping for Efficient and Effective Context Denoising

यह शोध पत्र अर्ली नॉइज़ ड्रॉपिंग (END) को प्रस्तुत करता है, जो एक फाइन-ट्यूनिंग-मुक्त विधि है जो संदर्भ-गहन कार्यों के प्रदर्शन और दक्षता दोनों में सुधार करने के लिए, शोर वाले इनपुट चंक्स की पहचान करने और उन्हें हटाने के लिए LLM की शुरुआती परतों पर लीनियर प्रोब्स का लाभ उठाती है।

Hongye Jin, Pei Chen, Jingfeng Yang, Zhengyang Wang, Fangran Mo, Jinghan Zhang, Meng Jiang, Yifan Gao, Binxuan Huang, Xi (…)2026-05-21
💰 quantitative finance

Bridging Language Models and Financial Analysis

यह सर्वेक्षण नवीन पद्धतियों के व्यापक अवलोकन और जटिल, बहुआयामी वित्तीय डेटा का प्रभावी ढंग से विश्लेषण करने की उनकी क्षमता को प्रदान करके, लार्ज लैंग्वेज मॉडल (LLM) की तीव्र प्रगति और वित्तीय क्षेत्र में उनके सतर्क अंगीकरण के बीच के अंतर को पाटता है।

Alejandro Lopez-Lira, Jihoon Kwon, Sangwoon Yoon, Jy-yong Sohn, Chanyeol Choi2026-05-21
💬 NLP

Universal Reasoner: A Single, Composable Plug-and-Play Reasoner for Frozen LLMs

यह शोध पत्र यूनिवर्सल रीज़नर (UniR) को प्रस्तुत करता है, जो एक मॉड्यूलर और कंपोजेबल प्लग-एंड-प्ले मॉड्यूल है जो सत्यापन योग्य पुरस्कारों (verifiable rewards) पर एक पृथक तर्क घटक (decoupled reasoning component) को प्रशिक्षित करके और इन्फरेंस के समय इसके आउटपुट लॉजिट्स को बैकबोन में जोड़कर फ्रोजन लार्ज लैंग्वेज मॉडल्स की तर्क क्षमताओं को बढ़ाता है, जिससे पूर्ण मॉडल रिट्रेनिंग की आवश्यकता के बिना बेहतर प्रदर्शन और क्रॉस-डोमेन सामान्यीकरण प्राप्त होता है।

Jaemin Kim, Hangeol Chang, Hyunmin Hwang, Choonghan Kim, Jong Chul Ye2026-05-21
💬 NLP

Causal Path Alignment: Anchoring the Optimization Trajectory for Controllable In-Parameter Knowledge Editing

यह शोध पत्र कॉज़ल पाथ अलाइनमेंट (CPA) का प्रस्ताव करता है, जो एक मॉडल-अज्ञेय (model-agnostic) ढांचा है जो संबंध-जागरूक मध्यवर्ती अवस्थाओं (relation-aware intermediate states) को अनुकूलन प्रक्षेपवक्र (optimization trajectories) से जोड़कर लार्ज लैंग्वेज मॉडल्स में विषय-प्रधान मेमोरी इंटरफेरेंस को कम करता है, जिससे न्यूनतम दुष्प्रभावों के साथ सटीक ज्ञान संपादन सक्षम होता है।

Xiyu Liu, Zhengxiao Liu, Naibin Gu, Zheng Lin, Weiping Wang2026-05-21
🧬 biology

Task-conditioned probing of instruction-tuned multimodal LLMs: Region-specific brain alignment patterns under naturalistic stimuli

यह अध्ययन प्रदर्शित करता है कि निर्देश-ट्यून (instruction-tuned) मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स, गैर-निर्देश-ट्यून और इन-कॉन्टेक्स्ट लर्निंग मॉडल्स की तुलना में, प्राकृतिक फिल्म देखने के दौरान मानव मस्तिष्क की गतिविधि के साथ काफी अधिक मजबूत और कार्य-विशिष्ट संरेखण (alignment) प्रदर्शित करते हैं, जो यह सुझाव देता है कि निर्देश ट्यूनिंग (instruction tuning) निरूपणों (representations) को सतही अर्थों (surface semantics) के बजाय कार्यात्मक कार्य मांगों (functional task demands) के इर्द-गिर्द व्यवस्थित करती है।

Subba Reddy Oota, Khushbu Pahwa, Prachi Jindal, Satya Sai Srinath Namburi, Maneesh Singh, Tanmoy Chakraborty, Bapi S. Ra (…)2026-05-21
💬 NLP

Diverse LLMs or Diverse Question Interpretations? That is the Ensembling Question

यह शोध पत्र यह प्रदर्शित करता है कि LLMs के साथ बाइनरी प्रश्न-उत्तर के लिए, बहुमत मतदान (majority voting) का उपयोग करते समय, एक ही मॉडल के विविध प्रश्न व्याख्याओं का एनसेम्बल (ensemble), कई अलग-अलग मॉडलों के एनसेम्बल से लगातार बेहतर प्रदर्शन करता है।

Rafael Rosales, Santiago Miret2026-05-21