10551 पेपर
यह शोध पत्र MULTITEXTEDIT को प्रस्तुत करता है, जो 12 भाषाओं में फैला एक नियंत्रित बेंचमार्क और एक नवीन भाषा निष्ठा (language fidelity) मीट्रिक है, यह प्रदर्शित करने के लिए कि वर्तमान टेक्स्ट-इन-इमेज एडिटिंग सिस्टम वैश्विक दृश्य संरचना को बनाए रखने के बावजूद, विशेष रूप से गैर-लैटिन भाषाओं के लिए लिपि सटीकता में महत्वपूर्ण क्रॉस-लिंगुअल गिरावट से ग्रस्त हैं।
यह शोध पत्र प्रदर्शित करता है कि एक कंप्यूटर अलजेब्रा सिस्टम (मेपल) के साथ इंटरफेस किया गया और हल किए गए उदाहरणों के माध्यम से इन-कॉन्टेक्स्ट लर्निंग से सुसज्जित एक फ्रंटियर लार्ज लैंग्वेज मॉडल (क्लॉड), सैद्धांतिक भौतिकी में, विशेष रूप से संशोधित गुरुत्वाकर्षण सिद्धांतों में कॉस्मोलॉजिकल परमटर्बेशन्स के लिए, जटिल एल्गोरिद्मिक गणनाओं को विश्वसनीय रूप से निष्पादित कर सकता है, और साथ ही वर्तमान सीमाओं और सुधार रणनीतियों की पहचान भी कर सकता है।
यह शोध पत्र प्रकट करता है कि इन-कॉन्टेक्स्ट लर्निंग मॉडल यांत्रिक रूप से प्रदर्शित टोकन को एक संपूर्ण शब्दावली के रूप में मानने के लिए बाध्य हैं, जिससे सटीकता तब ढह जाती है जब लेबल स्लॉट्स को सजातीय या यहाँ तक कि अर्थपूर्ण टोकनों से भरा जाता है, जो एक ऐसी घटना है जो विशिष्ट तंत्रिका परिपथों (न्यूरल सर्किट्स) तक सीमित है जो अर्थ संबंधी समझ को प्रारूप-संचालित टोकन पुनर्प्राप्ति के साथ ओवरराइड कर देते हैं।
यह शोध पत्र प्रदर्शित करता है कि स्टेट स्पेस मॉडल्स (SSMs) पर मैनिफोल्ड-कंस्ट्रेंड हाइपर-कनेक्शन्स (mHC) को लागू करने से रेसिडुअल स्ट्रीम मिक्सिंग को डबली स्टोकेस्टिक मैट्रिसेस तक सीमित करके और स्ट्रीम-स्पेशलाइज्ड एडेप्टर्स को शामिल करके WikiText-2 पर लैंग्वेज मॉडलिंग प्रदर्शन में महत्वपूर्ण सुधार होता है, जिससे मेमोरी और थ्रूपुट लागत में मामूली वृद्धि के साथ कम परप्लेक्सिटी प्राप्त होती है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि पहचाने गए भाषा मॉडल सर्किट कार्य प्रदर्शन के लिए अत्यधिक सुसंगत और आवश्यक हैं, वे पर्याप्त क्रॉस-टास्क ओवरलैप के कारण कार्य-विशिष्टता की कमी रखते हैं, जिससे लक्षित हस्तक्षेप और समझ के लिए इस ढांचे की उपयोगिता को चुनौती मिलती है।
यह शोध पत्र SecureForge को प्रस्तुत करता है, जो एक स्वचालित पाइपलाइन है जो भेद्यता-वर्धित प्रॉम्प्ट्स (vulnerability-amplified prompts) के एक सिंथेटिक संग्रह का उपयोग करके सिस्टम प्रॉम्प्ट्स को अनुकूलित करती है ताकि कार्यात्मक प्रदर्शन को बनाए रखते हुए LLM-जनरेटेड कोड में सुरक्षा खामियों को महत्वपूर्ण रूप से कम किया जा सके, जिससे वास्तविक दुनिया के परिदृश्यों में ज़ीरो-शॉट ट्रांसफ़र क्षमता के साथ 48% तक कमियों में कमी आती है।
लार्ज लैंग्वेज मॉडल्स के साथ रेडिट (Reddit) बहसों का विश्लेषण करते हुए, यह अध्ययन प्रदर्शित करता है कि ऑनलाइन विमर्श में विश्वास संशोधन प्रत्यक्ष तार्किक खंडन के बजाय समर्पण और सहानुभूति जैसी संबंधपरक रणनीतियों द्वारा संचालित होता है, जो यह सुझाव देता है कि प्रभावी सार्वजनिक तर्क के लिए साक्ष्य सामग्री के साथ सहानुभूतिपूर्ण फ्रेमिंग को संतुलित करना आवश्यक है।
यह शोध पत्र Queryable LoRA प्रस्तुत करता है, जो एक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो स्टैटिक लो-रैंक एडेप्टर को अटेंशन के माध्यम से रूट किए गए और निर्देशों द्वारा नियमित किए गए अपडेट परमाणुओं (atoms) की एक साझा, क्वेरेबल मेमोरी से बदल देती है, जिससे डायनेमिक, संदर्भ-संवेदनशील अनुकूलन सक्षम होता है जो मानक दृष्टिकोणों की तुलना में प्रदर्शन और स्थिरता में सुधार करता है।
यह शोध पत्र Sem-ECE को प्रस्तुत करता है, जो एक नवीन ढांचा है जो मॉडल आउटपुट को सैंपल करने और उन्हें सिमेंटिक वर्गों में समूहित करने के माध्यम से ओपन-एंडेड प्रश्न उत्तर देने में कैलिब्रेशन का मूल्यांकन करता है ताकि एक निष्पक्ष, सुदृढ़ मीट्रिक प्रदान की जा सके जो मौजूदा वर्बलाइज्ड और सैंपलिंग-आधारित विधियों से बेहतर प्रदर्शन करता है, विशेष रूप से तब जब आंतरिक मॉडल प्रोबेबिलिटीज उपलब्ध नहीं होती हैं।
यह शोध पत्र मैजिस-बेंच (Magis-Bench) प्रस्तुत करता है, जो ब्राज़ीलियाई न्यायिक परीक्षाओं से व्युत्पन्न एक नया बेंचमार्क है, जो मजिस्ट्रेट-स्तर के कानूनी तर्क और लेखन कार्यों पर 23 अत्याधुनिक एलएलएम (LLMs) का मूल्यांकन करता है, जिससे यह पता चलता है कि शीर्ष प्रदर्शन करने वाले मॉडल भी तर्कसंगत न्यायिक निर्णय उत्पन्न करने में उच्च अंक प्राप्त करने के लिए संघर्ष करते हैं।