10509 पेपर
यह शोध पत्र एक 'कन्जेक्चर-देन-वैलिडेट' (अनुमान-फिर-पुष्टि) ढांचे का प्रस्ताव करता है जो यह प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स सूक्ष्म, गैर-सहज शाब्दिक संकेतों को मानव-समझने योग्य भाषा संबंधी घटनाओं में अनुवादित कर सकते हैं जो अनुभवजन्य रूप से आधारित, सामान्यीकरण योग्य और पूर्व ज्ञान या इन-कॉन्टेक्स्ट लर्निंग की तुलना में भ्रामक समीक्षाओं के अधिक भविष्यवक्ता हैं।
यह शोध पत्र PEFT-Bench प्रस्तुत करता है, जो 27 NLP डेटासेट पर विविध पैरामीटर-कुशल फाइन-ट्यूनिंग (Parameter-Efficient Fine-Tuning) विधियों का मूल्यांकन करने के लिए डिज़ाइन किया गया एक एकीकृत एंड-टू-एंड बेंचमार्क है, और साथ ही यह प्रदर्शन को प्रशिक्षण योग्य पैरामीटर्स, इन्फरेंस स्पीड और मेमोरी उपयोग जैसे कम्प्यूटेशनल लागतों के विरुद्ध समग्र रूप से आंकने के लिए PEFT सॉफ्ट कॉस्ट पेनल्टीज़ (PSCP) मेट्रिक का प्रस्ताव करता है।
यह शोध पत्र यह प्रदर्शित करता है कि डिफ्यूजन मॉडल कम-आयामी व्यवहार्य क्षेत्रों (low-dimensional feasible regions) से नमूने लेने में अपनी अक्षमता के कारण मौलिक रूप से बाधित जनरेशन कार्यों (constrained generation tasks) के साथ संघर्ष करते हैं, और सख्त ज्यामितीय एवं भौतिक बाधाओं को पूरा करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) और मोंटे कार्लो ट्री सर्च (Monte Carlo tree search) द्वारा संवर्धित एक अनुक्रमिक ऑटो-रिग्रेसिव दृष्टिकोण को एक अधिक प्रभावी विकल्प के रूप में प्रस्तावित करता है।
PEFT-Factory, LLaMA-Factory से व्युत्पन्न एक एकीकृत, मॉड्यूलर फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल अनुकूलन की पुनरुत्पादकता और तुलनात्मकता को बढ़ाने के लिए 27 डेटासेट्स पर 19 विविध पैरामीटर-कुशल फाइन-ट्यूनिंग विधियों के कार्यान्वयन, मूल्यांकन और बेंचमार्किंग को मानकीकृत करता है।
यह शोधपत्र d-TreeRPO को प्रस्तुत करता है, जो डिफ्यूजन लैंग्वेज मॉडल्स के लिए एक विश्वसनीय सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचा है, जो ट्री-स्ट्रक्चर्ड रोलआउट्स, सत्यापन योग्य स्टेप-वाइज रिवार्ड्स और टाइम-शेड्यूल्ड सेल्फ-डिस्टिलेशन के माध्यम से रिवॉर्ड स्पर्सिटी और प्रोबेबिलिटी एस्टीमेशन गैप्स को संबोधित करता है, जिससे कई रीजनिंग बेंचमार्क्स में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र 'एसिंक्रोनस रीजनिंग' (Asynchronous Reasoning) नामक एक प्रशिक्षण-मुक्त विधि प्रस्तुत करता है जो पोजीशनल एम्बेडिंग्स का लाभ उठाकर एलएलएम (LLMs) को वास्तविक समय में एक साथ सोचने, सुनने और प्रतिक्रिया देने में सक्षम बनाती है, जिससे तर्क की सटीकता बनाए रखते हुए विलंबता (latency) में काफी कमी आती है।
यह शोध पत्र एक हाइब्रिड फ्रेमवर्क प्रस्तावित करता है जो टेक्स्ट-कंडीशन्ड रिग्रेशन में त्रुटि कैस्केड (error cascades) और कम्प्यूटेशनल अक्षमताओं को संबोधित करने के लिए प्री-ट्रेंड एलएलएम (LLMs) को एक हल्के डिफ्यूजन-आधारित न्यूरल प्रोसेस के साथ जोड़ता है, जिसमें बेहतर-कैलिब्रेटेड और स्थानीय रूप से सुसंगत भविष्यवाणियां उत्पन्न करने के लिए एक नवीन ग्रेडिएंट-मुक्त सैंपलिंग पद्धति का उपयोग किया गया है।
यह शोध पत्र यह प्रदर्शित करके LLM जेलब्रेकिंग को उन्नत करता है कि सरल प्रीफिल वेरिएंट्स का एंसेम्बलिंग (ensembling) हमले की सफलता दर को महत्वपूर्ण रूप से बढ़ाता है और "सॉकपपेटिंग" (sockpuppetting) को पेश करता है, जो एक नवीन हाइब्रिड विधि है जो बेहतर प्रॉम्प्ट-अज्ञेय प्रदर्शन प्राप्त करने के लिए असिस्टेंट मैसेज ब्लॉक के भीतर एडवरसेरियल सफिक्स (adversarial suffixes) को अनुकूलित करती है।
यह शोध पत्र एक यांत्रिक व्याख्या प्रदान करता है कि कैसे ट्रांसफॉर्मर प्रशिक्षण ग्रेडिएंट गतिकी (training gradient dynamics) के आधार पर बिग्रैम (bigram), टोकन-परस्परविनिमेयता (token-interchangeability), और संदर्भ मैपिंग (context mappings) के संयोजन के रूप में प्रारंभिक-चरण के भारों (early-stage weights) के लिए क्लोज्ड-फॉर्म अभिव्यक्तियों को व्युत्पन्न करके अर्थ संबंधी जुड़ाव (semantic associations) सीखते हैं।
CascadeMind सिस्टम SemEval-2026 टास्क 4 के लिए एक हाइब्रिड न्यूरो-सिंबोलिक कैस्केड का उपयोग करके प्रतिस्पर्धी प्रदर्शन प्राप्त करता है जो LLM वोट सर्वसम्मति के आधार पर इंस्टेंस को रूट करता है, यह प्रदर्शित करते हुए कि नैरेटिव समानता के लिए सहायक सिंबोलिक प्रतिनिधित्व जोड़ने की तुलना में कॉन्फिडेंस-अवेयर कंप्यूट एलोकेशन अधिक प्रभावी है।