10789 पेपर
यह शोध पत्र PRDECT-ID डेटासेट का उपयोग करके इंडोनेशियाई ई-कॉमर्स समीक्षाओं के लिए एक टू-ट्रैक सेंटिमेंट और इमोशन क्लासिफिकेशन पाइपलाइन प्रस्तुत करता है, जो एक कस्टम BiLSTM नेटवर्क की तुलना PyCaret AutoML दृष्टिकोण से करता है जिसमें विशेष स्लैंग प्रीप्रोसेसिंग शामिल है और जो Gradio एप्लिकेशन के माध्यम से तैनात बेंचमार्किंग परिणाम प्राप्त करता है।
यह शोध पत्र PL-MTEB को प्रस्तुत करता है, जो एक व्यापक बेंचमार्क है जिसमें पोलिश और बहुभाषी टेक्स्ट एम्बेडिंग मॉडल के प्रदर्शन का मूल्यांकन करने के लिए डिज़ाइन किए गए 30 विविध एनएलपी (NLP) कार्य शामिल हैं।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो उच्च-सटीकता वाले सिंथेटिक बॉन्ड यील्ड डेटा उत्पन्न करने के लिए कॉज़ल GANs और सॉफ्ट एक्टर-क्रिटिक सुदृढीकरण लर्निंग को एकीकृत करता है, जिसे फिर कार्रवाई योग्य ट्रेडिंग संकेतों और जोखिम मूल्यांकनों को उत्पन्न करने के लिए एक फाइन-ट्यून किए गए LLM द्वारा संसाधित किया जाता है, जिससे उत्कृष्ट पूर्वानुमान सटीकता और लाभप्रदता प्राप्त होती है।
यह शोध पत्र अटेंशन पैरामीटर मैट्रिसेस के स्थिर मानक विचलन वितरण पर आधारित एक सुदृढ़ एलएलएम फिंगरप्रिंटिंग पद्धति प्रस्तावित करता है, जो यह प्रदर्शित करता है कि ये अंतर्निहित हस्ताक्षर व्यापक निरंतर प्रशिक्षण या अपसाइक्लिंग के बाद भी मॉडल वंशावली की विश्वसनीय रूप से पहचान कर सकते हैं और कॉपीराइट उल्लंघन का पता लगा सकते हैं।
UR एक सामान्य सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक कठिनाई-जागरूक पाठ्यक्रम (difficulty-aware curriculum) और एक हाइब्रिड ज्ञान एक्सेस रणनीति का उपयोग करके विविध डोमेन में रिट्रीवल (retrieval) और रीजनिंग (reasoning) को गतिशील रूप से समन्वित करके रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) और जटिल तर्क को एकीकृत करता है।
यह शोध पत्र VAC को प्रस्तुत करता है, जो एक नया फ्रेमवर्क है जो कमजोर स्केलर रिवॉर्ड्स के स्थान पर समृद्ध, सुधारात्मक प्राकृतिक भाषा फीडबैक का उपयोग करके बड़े भाषा मॉडलों (LLMs) को पुनरावृत्ति से फाइन-ट्यून करता है, जिससे व्यक्तिगत प्रश्न उत्तर (personalized question answering) में सुधार होता है।
यह शोध पत्र टेस्ट-टाइम मैचिंग (TTM) को प्रस्तुत करता है, जो एक पुनरावृत्ति स्व-सुधार एल्गोरिदम है जो एक नवीन ग्रुप मैचिंग स्कोर के माध्यम से मूल्यांकन संबंधी विसंगतियों को ठीक करता है और मल्टीमॉडल मॉडलों की कंपोजिशनल रीजनिंग क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है, जिससे वे प्रमुख बेंचमार्क पर पिछले स्टेट-ऑफ-द-आर्ट और अनुमानित मानव प्रदर्शन को भी पीछे छोड़ने में सक्षम होते हैं।
यह शोध पत्र "सेल्फ-जेलब्रेक" को एक ऐसी घटना के रूप में पहचानता है जहाँ लार्ज रीजनिंग मॉडल्स (LRMs) हानिकारक इरादे को पहचानते हैं तो हैं लेकिन तर्क प्रक्रिया के दौरान अपने स्वयं के सुरक्षा निर्णयों को दरकिनार कर देते हैं, और तर्क क्षमताओं से समझौता किए बिना स्टेप-लेवल हस्तक्षेपों के माध्यम से इस समस्या को कम करने के लिए 'चेन-ऑफ-गार्डरेल' (CoG) नामक एक ट्रेजेक्टरी-लेवल ट्रेनिंग फ्रेमवर्क का प्रस्ताव करता है।
यह शोध पत्र 'ऑटोपीरियड ऑफ सरप्राइज़ल' (APS) नामक एक नई विधि प्रस्तुत करता है जो यह प्रदर्शित करती है कि प्राकृतिक भाषा संरचनात्मक इकाइयों और लंबी दूरी के कारकों, दोनों द्वारा संचालित महत्वपूर्ण आवधिक सूचना पैटर्न प्रदर्शित करती है, जो LLM-जनित टेक्स्ट का पता लगाने में संभावित अनुप्रयोगों की पेशकश करती है।
यह शोध पत्र **सेलेक्टिव RoPE** को प्रस्तुत करता है, जो एक इनपुट-डिपेंडेंट रोटरी एम्बेडिंग तंत्र है जो फिक्स्ड-एंगल रोटेशन को मनमाने कोणों तक सामान्य बनाता है, जिससे मॉडल को पोजीशनल एनकोडिंग और सूचना क्षय (इन्फॉर्मेशन डिके) को गतिशील रूप से नियंत्रित करने की अनुमति मिलती है और सॉफ्टमैक्स एवं लीनियर ट्रांसफॉर्मर दोनों में प्रदर्शन में सुधार होता है।