10551 पेपर
यह शोध पत्र विभिन्न भाषाओं में कम्प्यूटेशनल उपयोग के लिए परिणामी श्रेणियों को फलदायी बनाने हेतु सबसे विश्वसनीय विशेषताओं का मूल्यांकन और चयन करके बहुशब्द अभिव्यक्तियों (multiword expressions) के लिए एक उन्नत वर्गीकरण ढांचे का प्रस्ताव करता है।
यह शोध पत्र अनुक्रमिक मॉडल संपादन (sequential model editing) में लाइफलॉन्ग नॉर्मलाइज़ेशन (Lifelong Normalization) की स्थिरता के लिए पहला सैद्धांतिक स्पष्टीकरण प्रदान करता है, जो विनाशकारी विस्मृति (catastrophic forgetting) को रोकने में इसकी भूमिका को सिद्ध करता है और स्पष्ट वॉर्म-अप (warm-up) एवं पूर्ण व्हाइटनिंग (full whitening) के माध्यम से दीर्घकालिक स्थिरता को बढ़ाने वाली एक विधि, स्टेबल-एडिट (StableEdit) का परिचय देता है।
यह शोध पत्र प्रदर्शित करता है कि संभाव्य अंशांकन (प्रोबेबिलिस्टिक कैलिब्रेशन) भाषा मॉडलों में एक प्रशिक्षित क्षमता है, जो यह दर्शाता है कि सिंथेटिक वितरण कार्यों पर फाइन-ट्यूनिंग करने से विभिन्न बेंचमार्क में सैंपलिंग फिडेलिटी में पर्याप्त सुधार होता है, जिसमें हार्ड-टारगेट विधियाँ संरचित संख्यात्मक सैंपलिंग में उत्कृष्ट प्रदर्शन करती हैं और सॉफ्ट-टारगेट विधियाँ व्यापक स्टोकेस्टिक जनरेशन कार्यों पर बेहतर प्रदर्शन करती हैं।
यह शोधपत्र TABOM को प्रस्तुत करता है, जो एक स्व-निष्पादित (self-distilled) प्रक्षेपवक्र-जागरूक (trajectory-aware) पोस्ट-ट्रेनिंग फ्रेमवर्क है जो इन्फरेंस अनमास्किंग प्राथमिकताओं को बोल्ट्ज़मैन वितरण (Boltzmann distribution) के रूप में मॉडल करके एक युग्म-रैंकिंग उद्देश्य (pairwise ranking objective) प्राप्त करता है, जिससे डिफ्यूजन लैंग्वेज मॉडल्स में ट्रेनिंग-इन्फरेंस विसंगति को पाटा जा सके, और इस प्रकार मानक फाइन-ट्यूनिंग की तुलना में ज्ञान प्राप्ति को बढ़ाकर और कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम करके।
UniVLR मल्टीमॉडल LLMs के लिए एक एकीकृत विजुअल लेटेंट रीजनिंग फ्रेमवर्क पेश करता है जो टेक्स्टुअल रीजनिंग ट्रेसेस और विजुअल एविडेंस को कॉम्पैक्ट विजुअल टोकन्स में संकुचित करता है, जिससे मौजूदा इंटरलीव्ड दृष्टिकोणों से बेहतर, कुशल और टेक्स्ट-मुक्त इन्फरेंस सक्षम होता है।
यह शोध पत्र स्थानीय व्याकरणों के समावेश (inclusion), प्रतिच्छेदन (intersection) और विच्छेद (disjunction) संबंधों की पहचान करने के लिए उनके सामंजस्य (concordance) की तुलना करके उन्हें संयोजित करने की एक विधि प्रस्तुत करता है, जिसे HAREM कॉर्पस में पुर्तगाली व्यक्ति के नाम की पहचान में सुधार करने के लिए सफलतापूर्वक लागू किया गया, जिससे 76.86 का F-मेजर और अत्याधुनिक तकनीक (state-of-the-art) से 6 अंकों की वृद्धि प्राप्त हुई।
यह शोधपत्र RuDE को प्रस्तुत करता है, जो एक रूब्रिक-आधारित विभेदक मूल्यांकन ढांचा है जो जनरेशन के बजाय रिस्पॉन्स डिस्क्रिमिनेशन का विश्लेषण करके एक प्री-ट्रेंड LLM की पोस्ट-ट्रेनिंग क्षमता की 90% से अधिक सहसंबंध के साथ भविष्यवाणी करता है, जिससे उच्च-क्षमता वाले छोटे मॉडलों के कुशल चयन को सक्षम बनाया जा सके।
यह शोध पत्र SkillSafetyBench प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जो यह प्रदर्शित करता है कि पुन: प्रयोज्य कौशल (reusable skills) और स्थानीय आर्टिफैक्ट्स (local artifacts) सौहार्दपूर्ण उपयोगकर्ता अनुरोधों से भी असुरक्षित एजेंट व्यवहार उत्पन्न कर सकते हैं, जिससे यह स्पष्ट होता है कि एजेंट की सुरक्षा केवल मॉडल-स्तरीय संरेखण (model-level alignment) पर ही नहीं, बल्कि इस बात पर भी महत्वपूर्ण रूप से निर्भर करती है कि मॉडल कौशलों की व्याख्या कैसे करते हैं और वर्कफ़्लो संदर्भों पर कितना भरोसा करते हैं।
यह शोध पत्र SAGE का प्रस्ताव करता है, जो एक स्केलेबल फ्रेमवर्क है जो LLM ज्ञान बेंचमार्क के मजबूत, कम लागत वाले वेरिएंट्स को स्वचालित रूप से उत्पन्न करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) और एक रूब्रिक-आधारित सत्यापनकर्ता (verifier) के साथ फाइन-ट्यून किए गए छोटे मॉडलों का लाभ उठाता है, जो कार्य-विशिष्ट फाइन-ट्यूनिंग के बिना मानव-एनोटेटेड मानकों के तुलनीय गुणवत्ता प्राप्त करता है।
यह शोधपत्र SKILLGRAPH का प्रस्ताव करता है, जो एक ढांचा है जो कौशल को एक विकसित होते निर्देशित ग्राफ (directed graph) में नोड्स के रूप में प्रस्तुत करता है ताकि लार्ज लैंग्वेज मॉडल एजेंटों को कम्पोजिशनल कार्यों के लिए क्रमबद्ध कौशल उप-ग्राफ (skill subgraphs) प्राप्त करने में सक्षम बनाया जा सके, जिससे लाइब्रेरी रखरखाव और सुदृढीकरण शिक्षण (reinforcement learning) में अत्याधुनिक प्रदर्शन दोनों में सुधार होता है।