10949 पेपर
यह शोध पत्र ओपन-सेट टेक्स्ट क्लासिफिकेशन के लिए होलिस्टिक अनसर्टेन्टी एस्टीमेशन (HolUE) पद्धति को टेक्स्ट और गैलरी अनसर्टेन्टी दोनों को संबोधित करने के लिए अनुकूलित करने का प्रस्ताव करता है, जो कई डेटासेट्स पर प्रेडिक्शन रिजेक्शन प्रदर्शन में महत्वपूर्ण सुधार प्रदर्शित करता है और इस कार्य के लिए एक नया बेंचमार्क प्रस्तुत करता है।
यह शोध पत्र न्यूरल मॉडलों के एक समूह को प्रस्तुत करता है, जिसमें NeuralSBS और एक एंसेम्बल-आधारित WhisperBert शामिल हैं, जो पारंपरिक व्यक्तिपरक विधियों की तुलना में सापेक्ष मूल्यांकन में उच्च सटीकता और पूर्ण स्कोरिंग में कम त्रुटि दर प्राप्त करके, टेक्स्ट-टू-स्पीच गुणवत्ता का मूल्यांकन करने में मानव अंतर-रेटर निरंतरता (human inter-rater consistency) से काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र प्रदर्शित करता है कि हार्ड पदानुक्रमित रूटिंग (hard hierarchical routing) के साथ ट्री-स्ट्रक्चर्ड फीड-फॉरवर्ड लेयर्स, बड़े ट्रांसफॉर्मर्स में डेंस MLPs के स्केलेबल और स्पार्स विकल्पों के रूप में कार्य कर सकते हैं, जो डेंस बेसलाइन्स के समान प्रदर्शन प्राप्त करते हुए प्रति टोकन 5% से कम यूनिट्स को सक्रिय करते हैं और एक उभरते हुए ऑटो-प्रूनिंग प्रभाव को प्रदर्शित करते हैं जो डायनेमिक रूटिंग को स्टैटिक स्ट्रक्चरल स्पर्सिटी में परिवर्तित कर देता है।
यह शोध पत्र मल्टी-यूज़र (बहु-उपयोगकर्ता) एलएलएम (LLM) एजेंटों को एक मल्टी-प्रिंसिपलल (बहु-प्रिंसिपल) निर्णय समस्या के रूप में औपचारिक रूप देकर, एक एकीकृत इंटरेक्शन प्रोटोकॉल और स्ट्रेस-टेस्टिंग परिदृश्य पेश करके, और यह प्रकट करके कि वर्तमान फ्रंटियर मॉडल परस्पर विरोधी हितों वाले कई उपयोगकर्ताओं की सेवा करते समय स्थिर प्राथमिकता बनाए रखने, गोपनीयता संरक्षित करने और कुशलतापूर्वक समन्वय करने में संघर्ष करते हैं, उनका पहला व्यवस्थित अध्ययन प्रस्तुत करता है।
यह शोध पत्र टेम्परेचर-कंट्रोल्ड वर्डिक्ट एग्रीगेशन (TCVA) को प्रस्तुत करता है, जो एक नवीन मूल्यांकन पद्धति है जो सामान्यीकृत पावर-मीन एग्रीगेशन के माध्यम से मूल्यांकन की कठोरता को गतिशील रूप से समायोजित करने के लिए एक टेम्परेचर पैरामीटर का उपयोग करती है, जिससे बिना किसी अतिरिक्त LLM कॉल के RAGAS के समान मानव-संरेखित प्रदर्शन प्राप्त होता है।
यह शोध पत्र PRAGMA को प्रस्तुत करता है, जो ट्रांसफॉर्मर-आधारित फाउंडेशन मॉडल्स का एक परिवार है, जिन्हें मास्क किए गए मॉडलिंग के माध्यम से बड़े पैमाने पर, विषम बैंकिंग इवेंट अनुक्रमों पर प्री-ट्रेन किया गया है, जो कच्चे डेटा से सामान्य-उद्देश्य वाले निरूपण (representations) सीखकर क्रेडिट स्कोरिंग और धोखाधड़ी का पता लगाने जैसे विविध वित्तीय कार्यों में उत्कृष्ट प्रदर्शन प्राप्त करते हैं।
यह शोध पत्र स्किप-कनेक्टेड पॉलिसी ऑप्टिमाइजेशन (SKPO) को प्रस्तुत करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो डेंस रिवॉर्ड सेटिंग्स में उच्च-विचलन एडवांटेज एस्टीमेशन समस्याओं को हल करने के लिए एक स्किप कनेक्शन के साथ रीजनिंग को अपस्ट्रीम और डाउनस्ट्रीम चरणों में विभाजित करता है, जिससे गणितीय और सामान्य रीजनिंग बेंचमार्क पर ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन (GRPO) की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
यह शोधपत्र MATU प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो संपूर्ण तर्क प्रक्षेपवक्रों (reasoning trajectories) का विश्लेषण करने और जटिल संचार गतिशीलता एवं टोपोलॉजी से उत्पन्न होने वाले विशिष्ट अनिश्चितता स्रोतों को अलग करने के माध्यम से, टेंसर अपघटन (tensor decomposition) का लाभ उठाकर लार्ज लैंग्वेज मॉडल-आधारित मल्टी-एजेंट सिस्टम में अनिश्चितता को परिमाणित करता है।
यह शोध पत्र इस बात की जांच करता है कि कैसे प्राथमिकता डेटा (preference data) जनरेटर-स्तरीय और सैंपल-स्तरीय गुणवत्ता अंतरों के बीच अंतर करके भाषा मॉडलों में तर्क संबंधी लाभ (reasoning gains) को संचालित करता है, यह पाते हुए कि चुने गए और अस्वीकृत ट्रेसेस (traces) के बीच क्षमता अंतराल को अधिकतम करने से आउट-ऑफ-डोमेन प्रदर्शन में सुधार होता है, जबकि सैंपल-स्तरीय गुणवत्ता द्वारा फ़िल्टर करना प्रशिक्षण दक्षता को बढ़ाता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) संबंध निष्कर्षण (रिलेशन एक्सट्रैक्शन) के लिए आशाजनक हैं, छोटे ग्राफ-आधारित पार्सर उच्च संख्या में संबंधों वाले जटिल भाषाई ग्राफों पर उनसे काफी बेहतर प्रदर्शन करते हैं, जो ऐसे कार्यों के लिए हल्के पार्सरों को एक श्रेष्ठ विकल्प बनाता है।