10698 पेपर
यह शोध पत्र एक नया प्रतिमान प्रस्तावित करता है जो पारंपरिक त्रुटि दरों जैसे WER/CER और मानवीय धारणा के बीच के अंतर को पाटने के लिए चुने गए मेट्रिक्स को मिनिमम एडिट डिस्टेंस (minED) ढांचे में एकीकृत करता है, जिससे व्याख्या योग्य स्कोरिंग और ट्रांसक्रिप्शन त्रुटियों की गंभीरता का गहरा विश्लेषण संभव हो सके।
यह शोध पत्र फ्रांसीसी एंड-टू-एंड ऑटोमैटिक स्पीच रिकग्निशन पर एक गुणात्मक अध्ययन प्रस्तुत करता है जो डाउनस्ट्रीम एप्लिकेशन प्रदर्शन का बेहतर आकलन करने के लिए पारंपरिक त्रुटि दरों से परे व्यापक मेट्रिक्स का उपयोग करते हुए सबवर्ड टोकनाइजेशन एल्गोरिदम और सेल्फ-सुपरवाइज्ड लर्निंग मॉडल्स के प्रभाव का मूल्यांकन करता है।
Rose-SQL एक प्रशिक्षण-मुक्त (training-free) फ्रेमवर्क है जो मल्टी-टर्न टेक्स्ट-टू-SQL कार्यों में संरचित तर्क (structured reasoning) को निर्देशित करने और संवादात्मक निर्भरताओं (conversational dependencies) को सटीक रूप से हल करने के लिए एक नवीन रोल-स्टेट (Role-State) प्रतिनिधित्व के साथ लघु-स्तरीय लार्ज रीजनिंग मॉडल्स का लाभ उठाता है, जो मानक बेंचमार्क पर इन-कॉन्टेक्स्ट लर्निंग बेसलाइन्स और अत्याधुनिक फाइन-ट्यून्ड मॉडल्स दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र टाइम-सीरीज विश्लेषण से चेंज पॉइंट डिटेक्शन एल्गोरिदम को अनुकूलित करके, उनकी मिनिमैक्स इष्टतमता (minimax optimality) स्थापित करके और मौजूदा बाइनरी क्लासिफिकेशन बेसलाइन्स पर बेहतर अनुभवजन्य प्रदर्शन प्रदर्शित करके, सह-लिखित पाठ में मानव और एलएलएम (LLM) के योगदान को स्थानीयकृत करने की चुनौती का समाधान करता है।
यह शोधपत्र प्रदर्शित करता है कि ट्रांसफॉर्मर कार्य अनुमान (task inference) के लिए विशिष्ट ज्यामितीय तंत्रों का उपयोग करते हैं, जहाँ इन-डिस्ट्रीब्यूशन पहचान (in-distribution recognition) सीखे गए टास्क वेक्टर्स के उत्तल संयोजनों (convex combinations) पर निर्भर करती है, जबकि आउट-ऑफ-डिस्ट्रीब्यूशन अनुकूलन (out-of-distribution adaptation) एक लगभग ऑर्थोगोनल उप-स्थान (nearly orthogonal subspace) में एक्सट्रपलेटिव लर्निंग (extrapolative learning) के माध्यम से उभरता है।
यह शोधपत्र Agentic-imodels को प्रस्तुत करता है, जो एक ऑटो-रिसर्च फ्रेमवर्क है जो भविष्य कहनेवाला सटीकता (predictive accuracy) और एजेंट-केंद्रित व्याख्यात्मकता (agent-facing interpretability) दोनों के लिए अनुकूलित scikit-learn-संगत रिग्रेसर्स को विकसित करता है, जो यह प्रदर्शित करता है कि LLMs द्वारा "सिमुलेट करने योग्य" (simulatable) होने के लिए डिज़ाइन किए गए मॉडल डाउनस्ट्रीम एजेंटिक डेटा साइंस प्रदर्शन को महत्वपूर्ण रूप से बढ़ाते हैं।
यह पुनरुत्पादकता अध्ययन (reproducibility study) प्रकट करता है कि जहाँ न्यूरल रिट्रीवर्स (neural retrievers) जटिल सेट-कंपोजिशनल (set-compositional) प्रश्नों के लिए QUEST बेंचमार्क पर लेक्सिकल विधियों (lexical methods) से बेहतर प्रदर्शन करते हैं, वहीं वे नियंत्रित LIMIT+ बेंचमार्क पर सामान्यीकरण करने में विफल रहते हैं, जो वास्तविक बाधा संतुष्टि (constraint satisfaction) के बजाय सिमेंटिक शॉर्टकट (semantic shortcuts) पर उनकी निर्भरता को उजागर करता है और यह भी दर्शाता है कि जैसे-जैसे कंपोजिशनल गहराई (compositional depth) बढ़ती है, बीजगणितीय स्पार्स विधियों (algebraic sparse methods) की श्रेष्ठ स्थिरता बनी रहती है।
यह शोध पत्र MCJudgeBench प्रस्तुत करता है, जो मल्टी-कन्स्ट्रेंट इंस्ट्रक्शन फॉलोइंग के लिए बाधा स्तर (constraint level) पर LLM जजों का मूल्यांकन करने हेतु डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि समग्र जज प्रदर्शन विशिष्ट लेबल श्रेणियों में विश्वसनीयता या गड़बड़ी (perturbations) के विरुद्ध स्थिरता की गारंटी नहीं देता है।
यह शोध पत्र इस बात की जांच करता है कि क्या भाषा मॉडल पुनरावृत्त प्रति-उदाहरण (counterexample) और सुधार चक्रों के माध्यम से दार्शनिक अवधारणात्मक विश्लेषण को बनाए रख सकते हैं, जिसमें यह पाया गया है कि यद्यपि वे इस प्रक्रिया में संलग्न हो सकते हैं, लेकिन यह लूप शीघ्र ही घटते प्रतिफल (diminishing returns) की ओर ले जाता है जो बढ़ती हुई वाचालता (verbosity) के रूप में प्रकट होता है जिसमें सटीकता में सुधार नहीं होता है और मानव न्यायाधीशों की तुलना में अमान्य प्रति-उदाहरणों को अत्यधिक स्वीकार करने की प्रवृत्ति देखी जाती है।
यह शोध पत्र SATFormer प्रस्तुत करता है, जो एक ऐसा Transformer वेरिएंट है जो पहले परत के वैल्यू प्रोजेक्शन्स (value projections) को चुनिंदा रूप से एक्सेस करने के लिए एक कॉन्टेक्स्ट-डिपेंडेंट गेट का उपयोग करके प्रारंभिक प्रतिनिधित्व पुन: उपयोग (early representation reuse) को एक रिट्रीवल समस्या के रूप में मानता है, जिससे बेसलाइन थ्रूपुट को बनाए रखते हुए स्टैटिक रेसिडुअल विधियों की तुलना में बेहतर प्रदर्शन और दक्षता प्राप्त होती है।