10660 पेपर
यह शोध पत्र कॉन्फॉर्मल पाथ रीजनिंग (CPR) का प्रस्ताव करता है, जो एक विश्वसनीय नॉलेज ग्राफ क्वेश्चन अनस्विंग फ्रेमवर्क है जो मौजूदा विधियों की तुलना में प्रेडिक्शन सेट के आकार को कम करते हुए एम्पिरिकल कवरेज दरों को महत्वपूर्ण रूप से सुधारने के लिए क्वेरी-लेवल पाथ कैलिब्रेशन और एक PUCT-प्रशिक्षित रेसिडुअल कॉन्फॉर्मल वैल्यू नेटवर्क को जोड़ता है।
यह शोधपत्र ANGOFA को प्रस्तुत करता है, जो अंगोलन भाषाओं के लिए चार प्री-ट्रेंड लैंग्वेज मॉडल्स का एक समूह है, जो मौजूदा स्टेट-ऑफ-द-आर्ट मॉडल्स से काफी बेहतर प्रदर्शन करने के लिए मल्टीलिंगुअल एडेप्टिव फाइन-ट्यूनिंग फ्रेमवर्क के भीतर इन्फॉर्म्ड एम्बेडिंग इनिशियलाइजेशन और सिंथेटिक डेटा का लाभ उठाता है।
यह शोध पत्र RioRAG प्रस्तुत करता है, जो एक ऐसा ढांचा है जो सूचनात्मकता (informativeness) को एक सत्यापन योग्य उद्देश्य के रूप में परिभाषित करके और हस्तनिर्मित पर्यवेक्षण या सुदृढ़ शिक्षक मॉडलों पर निर्भर हुए बिना सुदृढीकरण लर्निंग (reinforcement learning) के लिए स्थिर, सघन पुरस्कार प्रदान करने हेतु नगेट-केंद्रित (nugget-centric), क्रॉस-सोर्स सत्यापन का उपयोग करके दीर्घ-रूप रिट्रीवल-ऑगमेंटेड जनरेशन (long-form retrieval-augmented generation) को उन्नत करता है।
यह शोध पत्र अनुभवजन्य रूप से प्रदर्शित करता है कि कम संसाधन वाली बंगाली भाषा के लिए सेंटीमेंट एनालिसिस मॉडल लिंग, धर्म और राष्ट्रीयता आधारित पूर्वाग्रह प्रदर्शित करते हैं, चाहे वे बहुभाषी या एकलभाषी आर्किटेक्चर पर आधारित हों, जो यह रेखांकित करता है कि विविध डेटासेट और प्री-ट्रेंड मॉडल्स का संयोजन किस प्रकार ऐसी विसंगतियों को जन्म दे सकता है जो सामाजिक-तकनीकी प्रणालियों में एपिस्टेमिक इनजस्टिस (ज्ञान संबंधी अन्याय) को बढ़ा देती हैं।
यह शोध पत्र एक पूर्णतः स्वचालित, लागत-कुशल ढांचे को प्रस्तुत करता है जो इंटरनेट को एक विशाल विषय क्षेत्र (topic space) के रूप में मॉडल करता है और स्थिर परीक्षण सेटों (static test sets) को प्रभावित करने वाली संतृप्ति की समस्याओं से बचने के लिए चुनौतीपूर्ण बेंचमार्क को गतिशील रूप से खोजने और निर्मित करने के लिए एक मल्टी-आर्म्ड बैंडिट रणनीति का उपयोग करता है।
यह शोध पत्र MathLens प्रस्तुत करता है, जो एक नया बेंचमार्क है जो मल्टीमॉडल तर्क (multimodal reasoning) को धारणा (perception), तर्क (reasoning) और मल्टीमॉडल-विशिष्ट घटकों में विभाजित करता है ताकि यह प्रकट किया जा सके कि सुदृढीकरण शिक्षण (reinforcement learning) और टेक्स्टुअल SFT जैसी प्रशिक्षण रणनीतियाँ विशिष्ट क्षमता प्रोफाइल उत्पन्न करती हैं जो समग्र सटीकता मेट्रिक्स में अदृश्य होती हैं, जिससे यह सुझाव मिलता है कि स्पष्ट प्रगति उप-कौशलों के बीच बदलते संतुलन को दर्शाती है न कि समान उन्नति को।
CompassLLM एक अभिनव मल्टी-एजेंट फ्रेमवर्क है जो ऐतिहासिक प्रक्षेप पथों (ट्रैजेक्टरीज) को खोजने और नवीन पथों को उत्पन्न करने के दो-चरणीय पाइपलाइन के माध्यम से लोकप्रिय पथ प्रश्नों को हल करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो व्यापक प्रशिक्षण की आवश्यकता वाले पारंपरिक तरीकों की तुलना में बेहतर सटीकता और लागत-प्रभावशीलता प्रदान करता है।
यह शोध पत्र सेंट्रलाइज्ड लर्निंग से सूक्ष्म क्रॉस-सैंपल मापन तकनीकों को अनुकूलित करके फेडरेटेड लर्निंग में इंट्रा- और इंटर-क्लाइंट प्रशिक्षण डेटा मेमोराइजेशन (स्मरण शक्ति) को मापने के लिए एक नवीन ढांचे का प्रस्ताव करता है, जो यह प्रकट करता है कि एफएल (FL) मॉडल विशिष्ट प्रशिक्षण और अनुमान कारकों से प्रभावित महत्वपूर्ण मेमोराइजेशन जोखिम प्रदर्शित करते हैं।
यह शोध पत्र "कैच योर ब्रेथ" (CYB) को प्रस्तुत करता है, जो एक अनुक्रमिक निर्णय समस्या के रूप में फ्रेम किया गया एक सुपरवाइज्ड लॉस फंक्शन है जो फाउंडेशन मॉडल्स को इन्फरेंस के दौरान पॉज़ टोकन को स्वायत्त और अनुकूल रूप से सम्मिलित करने में सक्षम बनाता है ताकि कंप्यूट स्टेप्स को गतिशील रूप से आवंटित किया जा सके, जिससे बिना किसी कंप्यूटेशनल या मेमोरी लागत को बढ़ाए परप्लेक्सिटी और डाउनस्ट्रीम सटीकता में सुधार किया जा सके।
यह शोध पत्र HiTGNN, एक पदानुक्रमित टेम्पोरल ग्राफ न्यूरल नेटवर्क, और ReVeAL, एक हल्का टेस्ट-टाइम फ्रेमवर्क, प्रस्तुत करता है, ताकि गोपनीयता संबंधी बाधाओं और संसाधन सीमाओं जैसी चुनौतियों का समाधान करते हुए क्लिनिकल नोट्स में समृद्ध टेम्पोरल और कॉन्टेक्स्टुअल जानकारी का प्रभावी ढंग से लाभ उठाकर टाइप 2 मधुमेह के लिए प्रारंभिक जोखिम भविष्यवाणी को बढ़ाया जा सके।