10999 पेपर
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।
यह शोध पत्र स्पीच लैंग्वेज मॉडल्स में इन-कॉन्टेक्स्ट लर्निंग की जांच करता है, यह प्रदर्शित करते हुए कि बोलने की दर टास्क इन्फरेंस और ध्वनिक अनुकरण (acoustic mimicry) दोनों को महत्वपूर्ण रूप से प्रभावित करती है, साथ ही यह भी दिखाता है कि टेक्स्ट-आधारित मॉडलों के निष्कर्षों के समान, इंडक्शन हेड्स इन क्षमताओं को सक्षम करने में एक कारण संबंधी भूमिका निभाते हैं।
यह शोध पत्र इस बात की जांच करता है कि क्या भाषा मॉडल लेटेंट चेन-ऑफ-थॉट्स (latent chain-of-thoughts) में कई तर्क पथों को बनाए रखने के लिए सुपरपोजिशन का उपयोग करते हैं, और यह पाता है कि ऐसी क्षमता केवल शून्य से प्रशिक्षित (from scratch) मॉडलों में उभरती है, जबकि प्रशिक्षण-मुक्त (training-free) और फाइन-ट्यून किए गए (fine-tuned) परिदृश्य टोकन प्रतिबद्धता (token commitment) और क्षमता संबंधी बाधाओं के प्रति प्रीट्रेनिंग पूर्वाग्रहों के कारण सुपरपोजिशन का लाभ उठाने में विफल रहते हैं।
यह शोध पत्र EduQwen को प्रस्तुत करता है, जो 32B-पैरामीटर वाले ओपन-सोर्स शैक्षणिक LLMs का एक परिवार है, जो शैक्षिक बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) और सुपर्वाइज्ड फाइन-ट्यूनिंग (supervised fine-tuning) को संयोजित करने वाली एक नवीन बहु-चरणीय अनुकूलन रणनीति का लाभ उठाता है, जो जिम्मेदार AI परिनियोजन के लिए आवश्यक पारदर्शिता और लागत-दक्षता बनाए रखते हुए काफी बड़े प्रोप्राइटरी सिस्टमों से भी आगे निकल जाता है।
यह शोध पत्र FMI@SU टीम द्वारा किए गए एक अध्ययन को प्रस्तुत करता है जिसने स्पेनिश क्लिनिकल टेक्स्ट में विषाक्त आदत के उल्लेखों (तंबाकू, अल्कोहल, कैनबिस और ड्रग्स) को निकालने और वर्गीकृत करने के लिए विभिन्न LLM प्रॉम्प्टिंग रणनीतियों का मूल्यांकन किया, जिसमें GPT-4.1 के फ्यू-शॉट प्रॉम्प्टिंग के साथ टेस्ट सेट F1 स्कोर 0.65 प्राप्त किया गया।
यह शोध पत्र LLM एजेंटों के लिए प्रासंगिक गोपनीयता (contextual privacy) को एक सूचना पर्याप्तता (Information Sufficiency) कार्य के रूप में पुनर्गठित करता है, जिसमें मुक्त-पाठ छद्मनामकरण (free-text pseudonymization) को एक बेहतर रणनीति के रूप में पेश किया गया है और एक संवादात्मक मूल्यांकन प्रोटोकॉल प्रस्तुत किया गया है जो यह प्रकट करता है कि कैसे एकल-संदेश मूल्यांकन बहु-चरण (multi-turn) अंतःक्रियाओं की तुलना में गोपनीयता रिसाव का कम आकलन करते हैं।
यह शोध पत्र अत्याधुनिक एलएलएम (LLMs) की उनके द्वारा लिखे गए नवीन सारांशों की मानव-लिखित सारांशों के साथ तुलना करके लंबी आख्यानों को समझने की क्षमता का मूल्यांकन करता है, जिससे यह पता चलता है कि मॉडल समग्र एकीकरण में संघर्ष करते हैं और ग्रंथों के अंत पर असमान रूप से ध्यान केंद्रित करते हैं, जो कि उनके अटेंशन मैकेनिज्म (attention mechanisms) से जुड़ा एक निष्कर्ष है।
यह शोध पत्र Arabic-DeepSeek-R1 को प्रस्तुत करता है, जो एक ओपन-सोर्स अरबी लार्ज लैंग्वेज मॉडल है जो व्यापक बेंचमार्क में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए स्पार्स MoE आर्किटेक्चर और सांस्कृतिक रूप से सूचित चेन-ऑफ-थॉट डिस्टिलेशन रणनीति का लाभ उठाता है, जो GPT-5.1 जैसे प्रोप्राइटरी सिस्टम से भी आगे निकल जाता है और यह प्रदर्शित करता है कि विशेष अनुकूलन औद्योगिक-स्तर के प्रीट्रेनिंग खर्चों के बिना कम प्रतिनिधित्व वाली भाषाओं में प्रदर्शन की कमियों को दूर कर सकता है।