10827 पेपर
यह शोध पत्र TRIAGE को पेश करता है, जो श्वसन ऑडियो वर्गीकरण के लिए एक अनुकूलन योग्य ज़ीरो-शॉट फ्रेमवर्क है जो इनपुट अनिश्चितता के आधार पर तीन रीजनिंग टियर्स (reasoning tiers) में कंप्यूटेशनल संसाधनों को गतिशील रूप से आवंटित करता है, जिससे कार्य-विशिष्ट प्रशिक्षण के बिना अत्याधुनिक प्रदर्शन प्राप्त होता है और आसान मामलों को जल्दी हल करके लागत में काफी कमी आती है।
यह शोध पत्र RALP को प्रस्तुत करता है, जो एक प्रॉम्प्ट-लर्निंग फ्रेमवर्क है जो नॉलेज ग्राफ पर एंटिटीज, रिलेशंस और लिटरल्स की भविष्यवाणी करने के लिए अनुकूलित चेन-ऑफ-थॉट प्रॉम्प्ट्स के साथ लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो बिना ग्रेडिएंट एक्सेस के सामान्यीकरण (जनरलाइजेशन) और OWL रीजनिंग कार्यों में पारंपरिक एम्बेडिंग-आधारित मॉडल्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र स्टॉक मूल्य पूर्वानुमान के लिए कैंडलस्टिक चार्ट की व्याख्या करने की विजन-लैंग्वेज मॉडल्स (Vision-Language Models) की क्षमता का आकलन करने के लिए एक बहु-स्तरीय बेंचमार्क डेटासेट और मूल्यांकन ढांचा प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि ये मॉडल निरंतर रुझानों में अच्छा प्रदर्शन करते हैं, लेकिन वे जटिल बाजार परिदृश्यों में संघर्ष करते हैं और सटीक टेम्पोरल रीजनिंग (temporal reasoning) में महत्वपूर्ण सीमाएं प्रदर्शित करते हैं।
यह शोध पत्र InsightFlow को प्रस्तुत करता है, जो एक LLM-संचालित ढांचा है जो मनोचिकित्सा ट्रांसक्रिप्ट से स्वचालित रूप से नैदानिक रूप से सार्थक 5P-संरेखित कारण ग्राफ (causal graphs) उत्पन्न करता है, जो मानव विशेषज्ञ फॉर्मुलेशन के साथ संरचनात्मक और अर्थगत समानता प्रदर्शित करते हुए नैदानिक केस फॉर्मुलेशन वर्कफ़्लो को बढ़ाने के लिए एक स्केलेबल टूल के रूप में कार्य करता है।
यह शोध पत्र यूनिवर्सल एनईआर (Universal NER) v2 को प्रस्तुत करता है, जो एक निरंतर चलने वाली पहल है जो अपने 2024 के पूर्ववर्ती का विस्तार करती है ताकि बहुभाषी भाषा मॉडलों के लिए मूल्यांकन संसाधनों की कमी को दूर करते हुए, एक विशाल बहुभाषी भाषाओं के सेट में गोल्ड-स्टैंडर्ड, मानकीकृत नाम इकाई पहचान (Named Entity Recognition) बेंचमार्क प्रदान किया जा सके।
यह शोध पत्र बड़े भाषा मॉडलों को मानव-समान, स्व-निहित और अर्थ-संरक्षण वाले संपादन उत्पन्न करने के लिए प्रशिक्षित करने हेतु ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन का उपयोग करते हुए एक सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) दृष्टिकोण प्रस्तुत करता है, जो तर्क की उपयुक्तता में सुधार करता है और स्वचालित एवं मानवीय दोनों मूल्यांकनों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
सिस्टम 1 और सिस्टम 2 थिंकिंग को सिमेंटिक मेमोरी नेटवर्क के रूप में मॉडल करते हुए, यह अध्ययन प्रकट करता है कि जहाँ मनुष्य इन प्रणालियों के बीच पूर्वाग्रह-घटाने वाले संरचनात्मक अंतर प्रदर्शित करते हैं, वहीं LLMs में ऐसे अपरिहार्य वैचारिक ज्ञान का अभाव है, जो यह संकेत देता है कि मानव और मशीन किस प्रकार अंतर्निहित पूर्वाग्रह को नियंत्रित करते हैं, इसमें मौलिक संज्ञानात्मक असमानताएँ हैं।
यह शोध पत्र RePAIR को प्रस्तुत करता है, जो एक प्रॉम्प्ट-अवेयर फ्रेमवर्क है जो एक ट्रेनिंग-फ्री एक्टिवेशन मैनिपुलेशन तकनीक (STAMP) का उपयोग करके इंटरैक्टिव, ऑन-डिवाइस मशीन अनलर्निंग को सक्षम बनाता है, जिससे उपयोगकर्ता प्राकृतिक भाषा के माध्यम से बड़े भाषा मॉडलों को विशिष्ट ज्ञान को भूलने का निर्देश दे सकते हैं, जो मॉडल की उपयोगिता को बनाए रखते हुए लगभग पूर्ण ज्ञान निष्कासन प्राप्त करता है।
यह शोध पत्र तर्क देता है कि वर्तमान बहुभाषी बेंचमार्क वास्तविक भाषा प्रवीणता के बजाय मुख्य रूप से तर्क और स्मरण शक्ति को मापते हैं, और "लॉस्ट इन ट्रांसलेशन" (LiT) का प्रस्ताव देता है, जो एक राउंड-ट्रिप अनुवाद बेंचमार्क है जो मानव संदर्भों या अधिक शक्तिशाली जजों की आवश्यकता के बिना उपयोगकर्ता रेटिंग के साथ उच्च सहसंबंध रखता है।
यह शोध पत्र GlotOCR Bench प्रस्तुत करता है, जो 100 से अधिक यूनिकोड लिपियों में OCR प्रदर्शन का मूल्यांकन करने वाला एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि अत्याधुनिक विजन-लैंग्वेज मॉडल भी कुछ चुनिंदा लिपियों से परे सामान्यीकरण करने में संघर्ष करते हैं और मजबूत दृश्य पहचान के बजाय प्रीट्रेनिंग कवरेज पर अत्यधिक निर्भर करते हैं।