10999 पेपर
यह अध्ययन प्रदर्शित करता है कि नियमित प्राथमिक चिकित्सा ऑडियो रिकॉर्डिंग से भाषाई संकेतों का स्वचालित विश्लेषण, विशेष रूप से ज़ीरो-शॉट GPT मॉडल और द्वैत (dyadic) ट्रांसक्रिप्ट का उपयोग करके, समय पर नैदानिक निर्णय लेने में सहायता के लिए अवसाद का प्रभावी ढंग से पता लगा सकता है।
यह शोध पत्र एक मिश्रित अपवर्जन (abstention) वास्तुकला प्रस्तावित करता है जो निर्देश-आधारित इनकार (instruction-based refusal) को एक संरचनात्मक गेटिंग तंत्र के साथ जोड़ता है—जिसमें असमर्थित दावों का पता लगाने के लिए स्व-संगति (self-consistency), पैराफ्रेस स्थिरता (paraphrase stability) और उद्धरण कवरेज (citation coverage) का उपयोग किया जाता है—ताकि दोनों दृष्टिकोणों की पूरक शक्तियों का लाभ उठाकर बड़े भाषा मॉडलों में मतिभ्रम (hallucinations) को प्रभावी ढंग से कम किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि मोल्टबुक नेटवर्क पर स्वायत्त एआई एजेंटों का एक विशुद्ध रूप से कृत्रिम समाज अंतर्जात स्व-नियमन प्रदर्शित करता है, जहाँ अन्य एजेंटों से सुधारात्मक प्रतिक्रिया प्राप्त करने की संभावना उनके पोस्ट में निर्देशात्मक भाषा की तीव्रता के आनुपातिक रूप से बढ़ती है।
यह शोध पत्र Text2DistBench को प्रस्तुत करता है, जो वास्तविक दुनिया के यूट्यूब कमेंट्स का उपयोग करने वाला एक स्वचालित और निरंतर अपडेट होने वाला बेंचमार्क है, जो वितरण संबंधी ज्ञान (जैसे कि भावना अनुपात और विषय आवृत्तियाँ) को अनुमान लगाने की बड़े भाषा मॉडलों की क्षमता का मूल्यांकन करता है, जो विभिन्न वितरण प्रकारों के बीच प्रदर्शन के महत्वपूर्ण अंतर को प्रकट करता है।
यह शोध पत्र तुर्की भाषा परिवार के भीतर बड़े भाषा मॉडलों के क्रॉस-लिंगुअल ट्रांसफर और पैरामीटर-कुशल अनुकूलन को अनुकूलित करने के लिए एक सैद्धांतिक ढांचे का प्रस्ताव करता है, जिसमें तुर्की ट्रांसफर गुणांक (TTC) और एक वैचारिक स्केलिंग मॉडल पेश किया गया है ताकि यह विश्लेषण किया जा सके कि अज़रबैजानी, कज़ाख, उज़्बेक, तुर्कमेन और गागाउज़ में अनुकूलन प्रदर्शन को टाइपोलॉजिकल समानताएं और संसाधन विषमताएं कैसे प्रभावित करती हैं।
यह शोध पत्र अनस्ट्रक्चर्ड क्लिनिकल नोट्स से ब्रेस्ट कैंसर फेनोटाइप्स निकालने के लिए एक LLM-आधारित फ्रेमवर्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि यह शास्त्रीय ऑन्टोलॉजी-आधारित विधियों के समान सटीकता प्राप्त करता है जबकि अन्य रोगों के लिए अधिक अनुकूलन क्षमता प्रदान करता है।
यह शोध पत्र TelcoAgent-Bench प्रस्तुत करता है, जो अंग्रेजी और अरबी में टेलीकॉम एलएलएम (LLM) एजेंटों की विश्वसनीयता और परिचालन निरंतरता का मूल्यांकन करने के लिए डिज़ाइन किया गया एक बहुभाषी बेंचमार्किंग फ्रेमवर्क है, जो यह प्रकट करता है कि हालांकि वर्तमान मॉडल टेलीकॉम समस्याओं को समझते हैं, लेकिन वे परिदृश्य विविधताओं के बीच निरंतर समस्या निवारण निष्पादन और स्थिरता बनाए रखने में संघर्ष करते हैं।
लगभग 4,000 प्रेडिक्शन मॉडल अध्ययनों की यह स्कोपिंग समीक्षा दर्शाती है कि हालांकि कोड साझा करना बढ़ रहा है, फिर भी यह असामान्य बना हुआ है और इसमें अक्सर वास्तविक पुनरुत्पादकता (reproducibility) के लिए आवश्यक दस्तावेज़ीकरण, निर्भरता विशिष्टता (dependency specification) और मॉड्यूलर संरचना का अभाव होता है, जिससे TRIPOD-Code रिपोर्टिंग दिशानिर्देश विकसित करने के लिए एक अनुभवजन्य आधार प्राप्त होता है।
यह शोध पत्र एक हाइब्रिड ढांचे का प्रस्ताव करता है जो मानसिक स्वास्थ्य चैटबॉट प्रतिक्रियाओं में मतिभ्रम (hallucinations) और लोप (omissions) का पता लगाने के लिए व्याख्या योग्य विशेषताओं को निकालने हेतु मानव डोमेन विशेषज्ञता को LLMs के साथ एकीकृत करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण उच्च-जोखिम वाले स्वास्थ्य सेवा संदर्भों में ब्लैक-बॉक्स LLM-as-a-judge विधियों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र DBCooker को प्रस्तुत करता है, जो एक LLM-आधारित प्रणाली है जो फंक्शन कैरेक्टराइजेशन (function characterization), हाइब्रिड कोडिंग ऑपरेशन्स (hybrid coding operations) और मल्टी-लेवल वैलिडेशन (multi-level validation) से जुड़ी एक विशिष्ट तीन-घटक वास्तुकला के माध्यम से जटिल डेटाबेस-नेटिव फंक्शन्स के संश्लेषण को स्वचालित करता है, जिससे प्रमुख डेटाबेस प्रणालियों में मौजूदा विधियों की तुलना में काफी अधिक सटीकता प्राप्त होती है।