10509 पेपर
यह शोध पत्र TokenDrift को प्रस्तुत करता है, जो एक नवीन प्रशिक्षण उद्देश्य (training objective) है जो निरंतर ड्रिफ्टिंग सिद्धांतों (continuous drifting principles) को डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स पर अनुकूलित करने के लिए श्रेणीगत भविष्यवाणियों (categorical predictions) को एंटी-सिमेट्रिक रिफाइनमेंट के लिए सॉफ्ट-टोकन फीचर्स में ऊपर उठाता है, जिससे कम सैंपलिंग स्टेप्स पर जनरेशन की गुणवत्ता में महत्वपूर्ण सुधार होता है।
GoLongRL एक ओपन-सोर्स फ्रेमवर्क है जो 23K विविध RLVR सैंपल्स के क्षमता-उन्मुख (capability-oriented) डेटासेट और विषम मल्टीटास्क ऑप्टिमाइज़ेशन के लिए एक नवीन TMN-Reweight एल्गोरिदम के माध्यम से लॉन्ग-कॉन्टेक्स्ट सुदृढीकरण लर्निंग (reinforcement learning) को बढ़ाता है, जो अग्रणी क्लोज्ड-सोर्स मॉडल्स के तुलनीय प्रदर्शन प्राप्त करता है।
यह शोध पत्र LLMEval-Logic को प्रस्तुत करता है, जो तार्किक तर्क के लिए एक कठोरता से सत्यापित चीनी बेंचमार्क है, जो विशेषज्ञ ऑडिटिंग, Z3 औपचारिक सत्यापन और प्रतिकूल सुदृढ़ीकरण (adversarial hardening) का उपयोग करता है ताकि वर्तमान सीमावर्ती बड़े भाषा मॉडलों में महत्वपूर्ण प्रदर्शन अंतराल को उजागर किया जा सके।
यह शोध पत्र "optimize_anything" को प्रस्तुत करता है, जो एक सार्वभौमिक LLM-आधारित अनुकूलन ढांचा (optimization framework) है जो एजेंट आर्किटेक्चर डिज़ाइन, क्लाउड लागत में कमी और CUDA कर्नेल जनरेशन सहित छह विविध डोमेन में अत्याधुनिक परिणाम प्राप्त करता है—जो टेक्स्ट-आधारित खोज को मल्टी-टास्क ट्रांसफर और क्रियाशील साइड इंफॉर्मेशन के साथ एकीकृत करके विशिष्ट एल्गोरिदम से बेहतर प्रदर्शन करता है।
यह शोध पत्र CAIT को प्रस्तुत करता है, जो एक विशेष डिपेंडेंसी पार्सर, POS टैगर और कंस्ट्रक्शन टैगर से सुसज्जित एक ओपन-सोर्स टूलकिट है जिसे भाषा अधिग्रहण अनुसंधान के लिए बाल-वयस्क अंतःक्रियाओं के भीतर वाक्यात्मक संरचनाओं का विश्लेषण करने में मौजूदा अंग्रेजी पार्सरों से बेहतर प्रदर्शन करने के लिए UD-English-CHILDES ट्रीबैंक पर प्रशिक्षित किया गया है।
TERGAD एक नवीन ग्राफ विसंगति पहचान (graph anomaly detection) ढांचा है जो नोड टोपोलॉजिकल गुणों को सिमेंटिक नैरेटिव में अनुवादित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिन्हें फिर एक गेटेड डुअल-ब्रांच ऑटोएनकोडर के माध्यम से मूल गुणों के साथ संलयित किया जाता है ताकि किसी नोड की सामग्री और उसकी संरचनात्मक भूमिका के बीच विसंगतियों से उत्पन्न होने वाली विसंगतियों को प्रभावी ढंग से पहचाना जा सके।
यह शोध पत्र इस धारणा को चुनौती देता है कि निष्पादन योग्य कोड (executable code) स्वाभाविक रूप से सामान्य तर्क क्षमता को बढ़ाता है, बल्कि यह प्रदर्शित करता है कि मिश्रित कोड-पाठ (code-text) और गणित-पाठ (math-text) डेटा के भीतर संरचित तर्क संकेत (structured reasoning signals), न कि केवल कोड, गणितीय तर्क में सुधार लाते हैं और साथ ही क्रॉस-डोमेन ट्रेड-ऑफ को कम करने की एक रणनीति भी प्रदान करते हैं।
यह शोधपत्र यह प्रदर्शित करता है कि जर्मन वैधानिक कानून पर रिट्रीवल-ऑगमेंटेड जनरेशन के लिए, दस्तावेज़ की अंतर्निहित संरचनात्मक इकाइयों (जैसे कि अनुभागों और उप-अनुभागों) के अनुरूप चंकिंग रणनीतियाँ, अधिक जटिल सिमेंटिक या पदानुक्रमित विधियों की तुलना में उच्च रिकॉल और अधिक कम्प्यूटेशनल दक्षता प्राप्त करके बेहतर प्रदर्शन करती हैं।
यह शोध पत्र LP-Eval प्रस्तुत करता है, जो यूरोपीय संघ के न्यायालयों के निर्णयों से उत्पन्न एलएलएम (LLM) द्वारा निर्मित कानूनी प्रस्तावों की गुणवत्ता का मूल्यांकन करने के लिए कानूनी विशेषज्ञों के साथ मिलकर तैयार किया गया एक रूब्रिक और डेटासेट है, जो यह प्रकट करता है कि हालांकि मॉडल सामान्य रूप से उच्च गुणवत्ता वाले आउटपुट उत्पन्न करते हैं, उनका प्रदर्शन मामले की आयु के अनुसार भिन्न होता है और रूब्रिक-निर्देशित एलएलएम मूल्यांकनकर्ता, प्रत्यक्ष स्कोरिंग की तुलना में बेहतर होने के बावजूद, अभी भी मानव विशेषज्ञों की सूक्ष्म संवेदनशीलता की कमी रखते हैं।
यह शोध पत्र Mega-ASR को प्रस्तुत करता है, जो एक स्केलेबल फ्रेमवर्क है जो जटिल, वास्तविक दुनिया के कंपोजिशनल विरूपणों (compositional distortions) के तहत भाषण को पहचानने में महत्वपूर्ण अत्याधुनिक प्रदर्शन प्राप्त करने के लिए नवनिर्मित Voices-in-the-Wild-2M डेटासेट और प्रोग्रेसिव ट्रेनिंग रणनीतियों का लाभ उठाता है ताकि ध्वनिक मजबूती (acoustic robustness) की बाधा को दूर किया जा सके।