10509 पेपर
यह शोध पत्र इन-व्हीकल असिस्टेंट्स (in-vehicle assistants) के लिए एक नवीन मूल्यांकन ढांचा प्रस्तुत करता है जो सूक्ष्म कोरियाई सम्मानजनक शब्दावली नियंत्रण और रणनीतिक संवादात्मक विश्वसनीयता के संबंध में वर्तमान लार्ज लैंग्वेज मॉडल्स (Large Language Models) की महत्वपूर्ण कमियों को उजागर करता है, तथा सामान्य सक्षमता से हटकर सटीक, सुरक्षा-उन्मुख भाषाई अनुकूलन की ओर बदलाव का समर्थन करता है।
यह शोध पत्र WCXB को प्रस्तुत करता है, जो उच्च गुणवत्ता वाले एनोटेशन के साथ सात विशिष्ट प्रकारों के 2,008 वेब पृष्ठों का एक व्यापक बेंचमार्क डेटासेट है, जिसे मौजूदा केवल-लेख (article-only) बेंचमार्क की सीमाओं को दूर करने और वर्तमान वेब सामग्री निष्कर्षण प्रणालियों में महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र ACL-Verbatim को प्रस्तुत करता है, जो अनुसंधान के लिए एक भ्रम-मुक्त (hallucination-free) प्रश्न उत्तर प्रणाली है जो उपयोगकर्ता के प्रश्नों को ACL एंथोलॉजी में वर्बेटिम (verbatim) टेक्स्ट स्पैन से मैप करने के लिए एक्सट्रैक्टिव विधियों का उपयोग करती है, जिसे एक नए ग्राउंड ट्रुथ डेटासेट द्वारा समर्थित किया गया है जहाँ 150M-पैरामीटर वाला मॉडर्नबर्ट (ModernBERT) मॉडल अग्रणी LLM एक्सट्रैक्टर्स से बेहतर प्रदर्शन करता है।
यह अध्ययन प्रदर्शित करता है कि फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल्स, विशेष रूप से e5_large, स्पेनिश मनोरोग मुक्त-पाठ विवरणों को ICD कोड में मैप करने को स्वचालित करने में शास्त्रीय एनएलपी (NLP) विधियों से काफी बेहतर प्रदर्शन करते हैं, जो 145,000 से अधिक रिकॉर्डों के एक डेटासेट पर 0.866 का माइक्रो-एवरेज्ड F1 स्कोर प्राप्त करते हैं।
यह शोध पत्र लक्ज़मबर्ग के लेक्सिकल नियोलॉजी बेंचमार्क, LexNeo-Bench को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि प्रॉम्प्ट्स में संरचित भाषाई ज्ञान ग्राफ़ (knowledge graphs) को इंजेक्ट करने से लो-रिसोर्स कॉन्टैक्ट भाषाओं में लेक्सिकल बोरोिंग्स (lexical borrowings) को वर्गीकृत करने की बड़े भाषा मॉडलों (large language models) की क्षमता में महत्वपूर्ण सुधार होता है, हालांकि नियोलॉजी का पता लगाना चुनौतीपूर्ण बना हुआ है।
LoMP0 एक नवीन पॉलिसी ऑप्टिमाइज़ेशन विधि है जो तर्क करने वाले भाषा मॉडलों (reasoning language models) के लिए है, जो स्केलर ग्रुप एडवांटेज को पेयरवाइज डिकम्पोज्ड एडवांटेज से बदलकर सत्यापन योग्य पुरस्कारों (verifiable rewards) के साथ सुदृढीकरण शिक्षण (reinforcement learning) को उन्नत करती है ताकि सूक्ष्म संबंधात्मक जानकारी को संरक्षित किया जा सके, जिससे GRPO जैसे मौजूदा दृष्टिकोणों की तुलना में गणितीय और वैज्ञानिक बेंचमार्क पर अधिक स्थिर प्रशिक्षण और बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र प्रकट करता है कि जहाँ लार्ज लैंग्वेज मॉडल्स (Large Language Models) सिमेंटिक लॉजिक (semantic logic) में उच्च सटीकता प्रदर्शित करते हैं, वहीं वे आम तौर पर उस प्रैग्मैटिक रीजनिंग (pragmatic reasoning) को दोहराने में विफल रहते हैं जो मनुष्यों को संदर्भ-निर्भर अर्थों के साथ सशर्त कथनों को समृद्ध करने की अनुमति देती है, एक ऐसी क्षमता जो मॉडल आर्किटेक्चर या प्रशिक्षण अभिविन्यास के बावजूद एक उभरती हुई क्षमता बनी हुई है।
यह शोध पत्र TextReg को प्रस्तुत करता है, जो एक ऐसा रेगुलराइजेशन फ्रेमवर्क है जो टेक्स्टुअल ग्रेडिएंट्स के माध्यम से रिप्रेजेंटेशनल इनएफिशिएंसी (representational inefficiency) को नियंत्रित करके लार्ज लैंग्वेज मॉडल्स में प्रॉम्प्ट डिस्ट्रिब्यूशनल ओवरफिटिंग को कम करता है, जिससे मौजूदा ऑप्टिमाइजेशन विधियों की तुलना में आउट-ऑफ-डिस्ट्रीब्यूशन जनरलाइजेशन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र लंबे, असंरचित सोशल मीडिया टेक्स्ट का विश्लेषण करने में लार्ज लैंग्वेज मॉडल्स की क्षमताओं का आकलन करने के लिए एक प्रश्न-आधारित मूल्यांकन ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि इनपुट स्केल, कार्य जटिलता और संख्यात्मक तर्क संबंधी आवश्यकताओं के बढ़ने के साथ उनका प्रदर्शन काफी कम हो जाता है।
यह शोध पत्र LASH को पेश करता है, जो एक ब्लैक-बॉक्स फ्रेमवर्क है जो न्यूनतम क्वेरी बजट के साथ संरेखित (aligned) लार्ज लैंग्वेज मॉडल्स पर अत्याधुनिक अटैक सक्सेस रेट्स प्राप्त करने के लिए एक जेनेटिक ऑप्टिमाइज़र का उपयोग करके कई विषम जेलब्रेक रणनीतियों के आउटपुट को अनुकूल रूप से संयोजित करता है।