10821 पेपर
यह शोध पत्र रिट्रीवल-ऑगमेंटेड सेट कंप्लीशन (RASC) को प्रस्तुत करता है, जो क्लिनिकल वैल्यू सेट ऑथरिंग को प्रभावी ढंग से स्वचालित करने के लिए समान मौजूदा वैल्यू सेट्स की रिट्रीवल और कोड क्लासिफिकेशन को संयोजित करता है, जो एक नए बड़े पैमाने के बेंचमार्क पर डायरेक्ट जनरेशन द्वारा लार्ज लैंग्वेज मॉडल्स या सरल रिट्रीवल-ओनली अप्रोच की तुलना में बेहतर प्रदर्शन और कम अप्रासंगिक उम्मीदवारों का प्रदर्शन करता है।
StoryCoder एक नैरेटिव रीफॉर्म्युलेशन फ्रेमवर्क है जो कोड जनरेशन समस्याओं को कार्य अवलोकन (task overview), बाधाओं (constraints) और टेस्ट केसेस (test cases) वाले सुसंगत प्राकृतिक भाषा की कहानियों में बदल देता है, जो मॉडल्स को सही एल्गोरिदम रणनीतियों की ओर निर्देशित करके और कार्यान्वयन त्रुटियों को कम करके LLM प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र 100 विकल्पों तक वाले एक विशाल विकल्प मूल्यांकन प्रोटोकॉल को प्रस्तुत करता है ताकि यह उजागर किया जा सके कि कैसे पारंपरिक कम-विकल्प वाले बेंचमार्क शॉर्टकट रणनीतियों और स्थिति संबंधी पूर्वाग्रहों के माध्यम से वास्तविक क्षमताओं को छिपाकर बड़े भाषा मॉडल (LLM) की सक्षमता को बढ़ा-चढ़ाकर दिखाते हैं।
यह शोधपत्र CURaTE का प्रस्ताव करता है, जो एक रियल-टाइम निरंतर अनलर्निंग (continual unlearning) विधि है जो भाषा मॉडल के मापदंडों (parameters) को संशोधित किए बिना भूलने के अनुरोधों (forget requests) का पता लगाने और उन्हें अस्वीकार करने के लिए एक वाक्य एम्बेडिंग मॉडल का उपयोग करती है, जिससे लगभग पूर्ण ज्ञान प्रतिधारण (knowledge retention) बनाए रखते हुए प्रभावी विस्मृति (forgetting) प्राप्त की जाती है।
यह शोध पत्र CAMO को प्रस्तुत करता है, जो एक स्वचालित एजेंटिक फ्रेमवर्क है जो परिकल्पनाओं को गणनीय कारकों (computable factors) में बदलकर, न्यूनतम कारण उपग्राफ (minimal causal subgraphs) सीखकर और कारण दिशाओं को परिष्कृत करने के लिए प्रतितथ्यात्मक जांच (counterfactual probing) का उपयोग करके, LLM सिमुलेशन में सूक्ष्म-स्तर के एजेंट व्यवहारों को मैक्रो-स्तर के सामाजिक उद्भव से जोड़ने वाले व्याख्या योग्य कारण तंत्रों की खोज करता है।
यह शोध पत्र CoPA को प्रस्तुत करता है, जो एक नवीन बेंचमार्क है जिसमें 1,985 उपयोगकर्ता प्रोफाइल और कम्युनिटी-इंडिविजुअल प्रेफरेंस डायवर्जेंस (CIPD) से प्राप्त छह डेटा-संचालित संज्ञानात्मक कारक शामिल हैं, ताकि पारंपरिक लेक्सिकल समानता मेट्रिक्स से परे व्यक्तिगत प्रश्नोत्तर (पर्सनलाइज्ड क्वेश्चन अनसरिंग) का अधिक व्यापक और विभेदक मूल्यांकन प्रदान किया जा सके।
यह शोधपत्र मल्टीमॉडल सिस्टम में प्रभावी अपवर्जन (abstention) का मूल्यांकन करने के लिए MM-AQA बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि वर्तमान विजन-लैंग्वेज और मल्टी-एजेंट मॉडल शायद ही कभी अनुत्तरित प्रश्नों से अपवर्जन करते हैं और इस क्षमता में सुधार के लिए बेहतर प्रॉम्प्टिंग या एजेंट जटिलता बढ़ाने के बजाय अपवर्जन-जागरूक प्रशिक्षण की आवश्यकता होती है।
यह शोध पत्र LLM अनलर्निंग को रिटेंशन (प्रतिधारण) को प्राथमिकता देने वाली एक असममित दो-कार्य समस्या के रूप में पुनर्गठित करता है, और एक ग्रेडिएंट सिंथेसिस फ्रेमवर्क प्रस्तावित करता है जिसमें एक नवीन SAGO विधि शामिल है जो लॉस री-बैलेंसिंग के बजाय ग्रेडिएंट ज्योमेट्री को अनुकूलित करके भूलने-रिटेंशन के बीच के ट्रेड-ऑफ पर सैद्धांतिक और अनुभवजन्य रूप से बेहतर प्रदर्शन प्राप्त करती है।
यह शोधपत्र डाउनस्ट्रीम वर्गीकरण प्रदर्शन को सुधारने के लिए अनलेबल चिकित्सा पाठ पर फिनिश BERT मॉडल के फाइन-ट्यूनिंग की जांच करता है और यह पता लगाता है कि क्या इस प्रक्रिया के दौरान एम्बेडिंग्स में ज्यामितीय परिवर्तन डेटा-दुर्लभ स्वास्थ्य सेवा परिदृश्यों में डोमेन-विशिष्ट प्री-ट्रेनिंग के लाभों का पूर्वानुमान लगा सकते हैं।
यह शोध पत्र व्यवहार संबंधी प्रोफाइल (Behavioral Profile) एनोटेशन के लिए एक कौशल-आधारित ढांचे का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि जबकि GPT-5.4 जैसे LLMs अच्छी तरह से परिभाषित एनोटेशन कौशलों के एक उपसमुच्चय को विश्वसनीय रूप से निष्पादित कर सकते हैं, उनका प्रदर्शन चयनात्मक है और इसे एक प्रत्यक्ष मानव प्रतिस्थापन के बजाय एक स्वतंत्र तीसरे स्वर के रूप में समझा जाना सबसे अच्छा है, जो कार्य स्तर के बजाय कौशल स्तर पर स्वचालन व्यवहार्यता के मूल्यांकन की आवश्यकता को रेखांकित करता है।