10949 पेपर
यह शोध पत्र Bielik v3 7B और 11B मॉडलों को प्रस्तुत करता है, जो यूनिवर्सल टोकनाइज़र के स्थान पर एक समर्पित, अनुकूलित शब्दावली का उपयोग करके और FOCUS-आधारित इनिशियलाइज़ेशन, बहु-चरणीय प्रीट्रेनिंग और उन्नत अलाइनमेंट तकनीकों सहित एक व्यापक प्रशिक्षण पाइपलाइन को नियोजित करके पोलिश भाषा के लिए महत्वपूर्ण प्रदर्शन सुधार प्राप्त करते हैं।
यह शोधपत्र तर्क देता है कि संवादात्मक एआई (conversational AI) के कुछ उपयोगकर्ताओं में भ्रमित करने वाले अनुभवों का जोखिम न केवल व्यक्तिगत भेद्यता या इंजीनियरिंग की खामियों से उपजा है, बल्कि उस अंतर्निहित "सत्तामीमांसीय विसंगति" (ontological dissonance) और "संवादात्मक दोहरी दुविधा" (communicative double bind) से उत्पन्न होता है जो एक ऐसे मानव और एक ऐसी एआई के बीच की अंतःक्रिया से निर्मित होती है जो संबंधपरक उपस्थिति की खोज कर रहा है और एक ऐसी एआई जो बिना किसी सक्षम विषय (subject) के उसका अनुकरण करती है जो इसे बनाए रखने में सक्षम हो।
यह शोध पत्र OccuBench प्रस्तुत करता है, जो 65 विशिष्ट डोमेन में 100 वास्तविक-विश्व पेशेवर कार्यों के माध्यम से AI एजेंटों का मूल्यांकन करने के लिए लैंग्वेज वर्ल्ड मॉडल्स (Language World Models) का उपयोग करने वाला एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि कोई भी एकल मॉडल सभी उद्योगों पर हावी नहीं है, स्पष्ट त्रुटियों की तुलना में निहित डेटा दोष अधिक चुनौतियाँ पेश करते हैं, और प्रदर्शन मॉडल के आकार और तर्क संबंधी प्रयास के साथ बढ़ता है।
यह शोध पत्र AOP-Smart को प्रस्तुत करता है, जो एक रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) फ्रेमवर्क है जो आधिकारिक AOP-Wiki डेटा का लाभ उठाकर कई लार्ज लैंग्वेज मॉडल्स में एडवर्स आउटकम पाथवे (Adverse Outcome Pathway) विश्लेषण कार्यों के दौरान मतिभ्रम (hallucinations) को महत्वपूर्ण रूप से कम करता है और उत्तर की सटीकता को बढ़ाता है।
यह शोध पत्र ऑडियो फ्लेमिंगो नेक्स्ट (AF-Next) को प्रस्तुत करता है, जो एक अगली पीढ़ी का ओपन ऑडियो-लैंग्वेज मॉडल है जो एक मजबूत आधार, दस लाख घंटों से अधिक के क्यूरेटेड डेटा और एक नवीन टेम्पोरल ऑडियो चेन-ऑफ-थॉट प्रतिमान का लाभ उठाता है ताकि स्पीच, साउंड और म्यूजिक के बीच समझ और तर्क करने में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके, जिसमें 30 मिनट तक के जटिल इनपुट शामिल हैं।
यह अध्ययन ग्लोबल स्क्रिप्ट डेटाबेस को यह प्रदर्शित करने के लिए प्रस्तुत करता है कि लेखन प्रणालियाँ एक पता लगाने योग्य आणविक घड़ी (मॉलिक्यूलर क्लॉक) के अनुसार विकसित होती हैं, जो एक ऐसा पैटर्न है जिसे साम्राज्यवादी हस्तक्षेपों द्वारा महत्वपूर्ण रूप से बाधित किया जाता है जो गहरे संरचनात्मक लक्षणों को चुनिंदा रूप से फिर से लिखते हैं और लिपि विलुप्ति को तेज करते हैं, जिसमें स्पेनिश और जापानी साम्राज्यों को लिपि प्रतिस्थापन के इतिहास में सबसे विनाशकारी शक्तियों के रूप में पहचाना गया है।
यह शोध पत्र YIELD को प्रस्तुत करता है, जो 2,281 नैतिक रूप से प्राप्त संवादों का एक बड़े पैमाने का डेटासेट और एक परिमित-क्षितिज (finite-horizon) POMDP पर आधारित एक संगत मूल्यांकन ढांचा है, जिसे उन सूचना प्राप्ति एजेंटों (IEAs) के विकास और मूल्यांकन को आगे बढ़ाने के लिए डिज़ाइन किया गया है जो संस्थागत उद्देश्यों के लिए सक्रिय रूप से जानकारी एकत्र करते हैं।
यह शोध पत्र अन्य चरों को नियंत्रित करते हुए, विजन-लैंग्वेज मॉडल्स पर विकसित होते LLM बैकबोन (LLaMA-1 से LLaMA-3) के प्रभाव की व्यवस्थित रूप से जांच करता है, जो यह प्रकट करता है कि नए बैकबोन सार्वभौमिक रूप से प्रदर्शन में सुधार नहीं करते हैं, बल्कि इसके बजाय कार्य-विशिष्ट व्यवहारों को बदलते हैं, जैसे कि बेहतर-कैलिब्रेटेड आत्मविश्वास के साथ विभिन्न दृश्य प्रश्नों को हल करना, जबकि मुख्य रूप से दृश्य समझ पर निर्भर कार्यों के लिए सीमित लाभ प्रदान करते हैं।
यह शोध पत्र प्रकट करता है कि वर्तमान वैज्ञानिक दावा सत्यापन बेंचमार्क कठोर तर्क और एक "सैलिएंट-कन्स्ट्रेंट" (प्रमुख-प्रतिबंध) शॉर्टकट के बीच अंतर करने में विफल रहते हैं क्योंकि वे केवल एकल-तत्व व्यवधानों का परीक्षण करते हैं, जिससे मॉडल लगातार उन संरचनात्मक रूप से अव्यवहार्य दावों को अत्यधिक स्वीकार कर लेते हैं जहाँ प्रमुख प्रतिबंध समर्थित होने के बावजूद गैर-प्रमुख प्रतिबंधों का उल्लंघन होता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि एक स्वचालित प्रॉम्प्ट-ऑप्टिमाइज़ेशन लूप एक फ्रोजन (frozen) LLM को वित्तीय पाठ से ऐसे भविष्य कहनेवाला लक्षण (predictive features) निकालने में सक्षम कर सकता है जो स्थिर व्यवस्थाओं में सुदृढीकरण शिक्षण (reinforcement learning) ट्रेडिंग एजेंटों को बेहतर बनाते हैं, ये लक्षण अक्सर मैक्रोइकोनॉमिक झटकों के दौरान मजबूती बढ़ाने में विफल रहते हैं, जो वितरण बदलावों (distribution shifts) के तहत फीचर-स्तरीय वैधता और पॉलिसी-स्तरीय प्रदर्शन के बीच एक महत्वपूर्ण अंतर को प्रकट करता है।