11066 पेपर
यह शोधपत्र CoLA को प्रस्तुत करता है, जो एक नवीन पैरामीटर-कुशल फाइन-ट्यूनिंग फ्रेमवर्क है जो मानक LoRA में एक समर्पित इंटर-मोडल पाथवे जोड़कर ड्यूल-स्ट्रीम आर्किटेक्चर में मल्टीमॉडल अनुकूलन को बढ़ाता है, जिससे विजन-लैंग्वेज और ऑडियो-विजुअल बेंचमार्क पर मौजूदा विधियों से बेहतर प्रदर्शन करते हुए विजुअल ग्राउंडिंग के लिए पहले मल्टी-टास्क PEFT को सक्षम बनाता है।
यह शोध पत्र CresOWLve को प्रस्तुत करता है, जो वास्तविक दुनिया के ज्ञान पर आधारित रचनात्मक समस्या-समाधान कार्यों पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि जहाँ मॉडल तथ्यात्मक पुनर्प्राप्ति में उत्कृष्ट हैं, वहीं वे रचनात्मक समाधानों के लिए आवश्यक सूचनाओं के गैर-स्पष्ट एकीकरण में काफी संघर्ष करते हैं।
यह शोध पत्र VERT को प्रस्तुत करता है, जो विविध मोडैलिटीज और शारीरिक संरचनाओं में रेडियोलॉजी रिपोर्टों के मूल्यांकन के लिए एक विश्वसनीय LLM-आधारित मीट्रिक है, जो व्यापक सहसंबंध विश्लेषण और फाइन-ट्यूनिंग के माध्यम से यह प्रदर्शित करता है कि यह विशेषज्ञ निर्णयों के साथ संरेखण में मौजूदा तरीकों से काफी बेहतर प्रदर्शन करता है और साथ ही पर्याप्त दक्षता लाभ भी प्रदान करता है।
यह शोध पत्र यह प्रदर्शित करता है कि पारंपरिक उच्च-तापमान सैंपलिंग की तुलना में, इन्फरेंस के दौरान छोटे अरबी भाषा मॉडलों के आंतरिक निरूपणों (internal representations) में कैलिब्रेटेड गॉसियन शोर (Gaussian noise) इंजेक्ट करना, विविध, उच्च-गुणवत्ता वाले और पठन-स्तर के प्रति वफादार शैक्षिक कहानियाँ उत्पन्न करने के लिए एक बेहतर, प्रशिक्षण-मुक्त रणनीति है।
QIMMA एक गुणवत्ता-सुनिश्चित अरबी LLM लीडरबोर्ड है जो 52,000 से अधिक मूल अरबी बेंचमार्क नमूनों को मान्य और क्यूरेट करने के लिए एक कठोर बहु-मॉडल और मानव समीक्षा पाइपलाइन का उपयोग करता है, जो अरबी NLP मूल्यांकन के लिए एक विश्वसनीय, पुनरुत्पादक और समुदाय-विस्तार योग्य आधार सुनिश्चित करता है।
यह शोध पत्र RAGRouter-Bench पर क्वेरी रूटिंग के लिए हल्के क्लासिफायर (lightweight classifiers) का पहला व्यवस्थित मूल्यांकन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एक सरल TF-IDF के साथ SVM दृष्टिकोण तथ्यात्मक, तर्कपूर्ण और सारांशीकरण संबंधी प्रश्नों के बीच अंतर करने के लिए सिमेंटिक एम्बेडिंग के बजाय सतही कीवर्ड पैटर्न का लाभ उठाकर उच्च सटीकता (93.2%) और महत्वपूर्ण टोकन बचत (28.1%) प्राप्त करता है।
यह शोधपत्र वेब एजेंटों में टूल उपयोग की मानी जाने वाली श्रेष्ठता को चुनौती देता है, जो उनके वास्तविक लाभों, डिज़ाइन सिद्धांतों और संभावित दुष्प्रभावों को समझने के लिए एक अधिक विश्वसनीय अनुभवजन्य आधार स्थापित करने हेतु विविध सेटिंग्स में एक बड़े पैमाने पर, नियंत्रित अध्ययन का संचालन करता है।
यह शोध पत्र वोकैबुलरी ड्रॉपआउट (vocabulary dropout) प्रस्तुत करता है, जो एक हल्का तंत्र है जो को-इवोल्यूशनरी सेल्फ-प्ले में विविधता के पतन को रोकने के लिए एक प्रपोजर मॉडल के आउटपुट लॉजिट्स पर एक रैंडम, नॉन-स्टेशनरी मास्क लागू करता है, जिससे करिकुलम विविधता बनी रहती है और गणितीय तर्क बेंचमार्क पर सॉल्वर के प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह अध्ययन प्रदर्शित करता है कि जैसे-जैसे मॉडल का आकार बढ़ता है, बड़े भाषा मॉडल रचनात्मक सोच के दौरान मानव मस्तिष्क की गतिविधि के साथ बढ़ता हुआ संरेखण प्रदर्शित करते हैं, और विशिष्ट पोस्ट-ट्रेनिंग उद्देश्य (जैसे कि रचनात्मकता अनुकूलन, मानव व्यवहार फाइन-ट्यूनिंग, या तर्क प्रशिक्षण) इन तंत्रिकात्मक निरूपणों को रचनात्मक विचार की मस्तिष्क ज्यामिति को या तो संरक्षित करने, बढ़ाने या उससे विचलित होने के लिए चुनिंदा रूप से पुनर्गठित करते हैं।
यह शोधपत्र नौ देशों में मॉडल-जनित प्रतिनिधित्व वैक्टर (representation vectors) की तुलना मानव-व्युत्पन्न महत्व वैक्टर (importance vectors) से करके एलएलएम (LLM) सांस्कृतिक संरेखण का मूल्यांकन करने के लिए एक मानव-केंद्रित ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि वर्तमान सीमावर्ती मॉडल पश्चिमी-केंद्रित पूर्वाग्रहों और व्यवस्थित त्रुटियों को प्रदर्शित करते हैं जो गैर-अमेरिकी आबादी की सूक्ष्म सांस्कृतिक प्राथमिकताओं को प्रामाणिक रूप से पकड़ने में विफल रहते हैं।