10792 पेपर
यह अध्ययन प्रकट करता है कि जहाँ बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) सटीक रूप से यह भविष्यवाणी करते हैं कि मनुष्य करीबी रिश्तों में निष्पक्षता के बजाय वफादारी को प्राथमिकता देते हैं, वहीं ये मॉडल स्वयं निष्पक्षता-आधारित नैतिक नियमों का कड़ाई से पालन करते हैं, जो उनकी आंतरिक सामाजिक समझ और उनके निर्णय लेने वाले व्यवहार के बीच एक महत्वपूर्ण विसंगति को उजागर करता है।
यह शोध पत्र RedirectQA प्रस्तुत करता है, जो विविध एंटिटी सरफेस फॉर्म्स (entity surface forms) के माध्यम से बड़े भाषा मॉडलों द्वारा तथ्यों को याद रखने की क्षमता का मूल्यांकन करने के लिए विकिपीडिया रीडायरेक्ट्स का उपयोग करता है, जिससे यह पता चलता है कि तथ्यात्मक रिकॉल (factual recall) न तो पूरी तरह से सतह-विशिष्ट है और न ही पूरी तरह से अपरिवर्तनीय, बल्कि यह उपयोग किए गए सरफेस फॉर्म के प्रकार और आवृत्ति से महत्वपूर्ण रूप से प्रभावित होता है।
यह शोध पत्र ब्राज़ीलियाई चैंबर ऑफ डेप्युटीज़ (2003-2025) के 4,50,,000 से अधिक भाषणों का विश्लेषण करने के लिए शैलीमितीय विश्लेषण (stylometric analysis), विषय मॉडलिंग (topic modeling) और अर्थ संबंधी क्लस्टरिंग (semantic clustering) को संयोजित करने वाले एक स्केलेबल कम्प्यूटेशनल ढांचे को प्रस्तुत करता है, जो प्रत्यक्ष भाषण की ओर दीर्घकालिक बदलावों, संकट-संचालित एजेंडा पुनर्रचनाओं और उन विमर्श संबंधी संरेखणों को प्रकट करता है जहाँ क्षेत्रीय और लैंगिक पहचान अक्सर औपचारिक पार्टी संबद्धता से ऊपर होती हैं।
यह शोध पत्र HalluScope प्रस्तुत करता है, जो यह प्रकट करता है कि लार्ज विजन-लैंग्वेज मॉडल्स में मतिभ्रम (hallucinations) मुख्य रूप से टेक्स्टुअल इंस्ट्रक्शन प्रायर्स (textual instruction priors) द्वारा संचालित होते हैं, और HalluVL-DPO का प्रस्ताव करता है जो एक प्रिफरेंस ऑप्टिमाइज़ेशन फ्रेमवर्क है जो विजुअल क्षमताओं को संरक्षित करते हुए इन प्रॉम्प्ट-प्रेरित मतिभ्रमों को प्रभावी ढंग से कम करता है।
यह शोध पत्र MathDuels का परिचय देता है, जो एक गतिशील स्व-खेल (self-play) बेंचमार्क है जहाँ अत्याधुनिक भाषा मॉडल (frontier language models) एक साथ प्रतिपक्षी समस्या लेखक और समाधानकर्ता के रूप में कार्य करते हैं, जो पृथक क्षमताओं को प्रकट करने और एक सह-विकसित कठिनाई वक्र (co-evolving difficulty curve) के माध्यम से मूल्यांकन संतृप्ति (evaluation saturation) को रोकने के लिए राश (Rasch) मॉडल का उपयोग करते हैं।
यह शोध पत्र प्रदर्शित करता है कि डिकोडर-आधारित लार्ज लैंग्वेज मॉडल्स (LLMs), परिकल्पना चयन (hypothesis selection) पर मानव एनोटेटरों के साथ 92-94% सहमति प्राप्त करके, ऑटोमैटिक स्पीच रिकग्निशन (ASR) के मूल्यांकन में पारंपरिक वर्ड एरर रेट (WER) और मौजूदा सिमेंटिक मेट्रिक्स से काफी बेहतर प्रदर्शन करते हैं और एक व्याख्यात्मक, अर्थ-जागरूक मूल्यांकन की ओर एक आशाजनक मार्ग प्रस्तुत करते हैं।
यह शोध पत्र LoRA-FA को प्रस्तुत करता है, जो एक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो एक LoRA कारक को फ्रीज करती है और पूर्ण फाइन-ट्यूनिंग के तुलनीय प्रदर्शन प्राप्त करने के लिए क्लोज्ड-फॉर्म ग्रेडिएंट सुधार लागू करती है, जबकि मेमोरी खपत और कम्प्यूटेशनल वर्कलोड को काफी कम कर देती है।
यह शोध पत्र LlaMADRS को पेश करता है, जो वास्तविक मनोरोग साक्षात्कारों पर ओपन-सोर्स LLMs का मूल्यांकन करने के लिए एक बेंचमार्क है, जो यह प्रदर्शित करता है कि संरचित "आइटम-देन-सम" (Item-then-Sum) रणनीतियाँ और सुव्यवस्थित प्रॉम्प्ट अक्सर नैदानिक मूल्यांकन कार्यों में प्रत्यक्ष स्कोरिंग या रीजनिंग-ऑगमेंटेड मॉडलों से बेहतर प्रदर्शन करते हैं।
यह अध्ययन प्रकट करता है कि जबकि मूल्यांकित किए गए 22 लार्ज लैंग्वेज मॉडल्स (Large Language Models) आम तौर पर चिकित्सा साहित्य में मनुष्यों की तुलना में 'स्पिन' (पक्षपाती दृष्टिकोण) के प्रति अधिक संवेदनशील होते हैं और अपने सारांशों में इसे प्रसारित कर सकते हैं, उन्हें इस तरह के पूर्वाग्रह को पहचानने और कम करने के लिए प्रभावी ढंग से प्रॉम्प्ट किया जा सकता है।
यह शोध पत्र CRAFT को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त कैस्केड रिट्रीवल फ्रेमवर्क है जो ओपन-डोमेन टेबल क्वेश्चन आंसरिंग में स्टेट-ऑफ-द-आर्ट ज़ीरो-शॉट प्रदर्शन प्राप्त करने के लिए स्पार्स फ़िल्टरिंग को डेंस री-रैंकिंग और LLM-जनरेटेड टेबल विवरणों के साथ जोड़ता है।