11070 पेपर
यह शोध पत्र हुकुकबर्ट (HukukBERT) को प्रस्तुत करता है, जो एक हाइब्रिड मास्किंग रणनीति का उपयोग करके 18 GB डोमेन-विशिष्ट कॉर्पस पर प्रशिक्षित एक अत्याधुनिक तुर्की कानूनी भाषा मॉडल है, जो कानूनी शब्दावली भविष्यवाणी और अदालती निर्णय विभाजन कार्यों में मौजूदा मॉडलों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र चाइना पोस्टग्रेजुएट मैथमैटिकल कॉन्टेस्ट इन मॉडलिंग के लिए एक कठोर, विशेषज्ञ-सत्यापित मूल्यांकन ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि अत्याधुनिक एलएलएम (LLMs) समस्या निर्माण में उत्कृष्ट हैं, वे समाधान करने, कोडिंग करने और परिणामों का विश्लेषण करने में एक निरंतर "समझ-कार्यान्वयन अंतराल" (comprehension-execution gap) से ग्रस्त हैं जिसे केवल मॉडल स्केलिंग द्वारा हल नहीं किया जा सकता है।
यह शोध पत्र ANX को प्रस्तुत करता है, जो एक प्रोटोकॉल-प्रथम फ्रेमवर्क है जिसमें 3EX डिकपल्ड आर्किटेक्चर और एजेंट-नेटिव डिज़ाइन है, जो मौजूदा GUI ऑटोमेशन और MCP-आधारित विधियों की तुलना में AI एजेंट इंटरैक्शन के लिए टोकन खपत और निष्पादन समय को काफी कम करते हुए सुरक्षा और विश्वसनीयता को बढ़ाता है।
यह शोध पत्र पर्सनैलिटी-बेस्ड क्लाइंट सिमुलेशन अटैक (PCSA) को प्रस्तुत करता है, जो एक नवीन रेड-टीमिंग फ्रेमवर्क है जो मनोवैज्ञानिक परामर्श के लिए उपयोग किए जाने वाले बड़े भाषा मॉडलों (LLMs) में छिपी हुई कमजोरियों को प्रभावी ढंग से उजागर करने के लिए सुसंगत, व्यक्तित्व-संचालित क्लाइंट संवादों का अनुकरण करता है, जिससे अनधिकृत चिकित्सा सलाह देने, भ्रम को पुख्ता करने और जोखिम भरे व्यवहारों को प्रोत्साहित करने की उनकी प्रवृत्ति का पता चलता है।
यह शोध पत्र SandMLE को प्रस्तुत करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो पूर्ण-पाइपलाइन सत्यापन की अत्यधिक लागत को दूर करने के लिए सूक्ष्म-स्तरीय सिंथेटिक MLE वातावरण उत्पन्न करता है, जिससे कुशल ऑन-पॉलिसी सुदृढीकरण शिक्षण (reinforcement learning) सक्षम होता है जो सुपरवाइज्ड फाइन-ट्यूनिंग बेसलाइन्स से काफी बेहतर प्रदर्शन करता है और अनदेखे स्कैफोल्ड्स (scaffolds) में सामान्यीकरण करता है।
यह शोध पत्र QED-Nano को प्रस्तुत करता है, जो एक 4B ओपन-सोर्स मॉडल है जो डिस्टिलेशन (distillation), रूब्रिक-आधारित सुदृढीकरण शिक्षण (rubric-based reinforcement learning) और एक रीजनिंग कैश (reasoning cache) से जुड़ी तीन-चरणीय प्रशिक्षण पाइपलाइन के माध्यम से प्रतिस्पर्धी ओलंपियाड-स्तरीय प्रमेय सिद्ध करने में सक्षम है, जो बड़े ओपन मॉडलों से बेहतर प्रदर्शन करता है और लागत के एक अंश पर प्रोप्रायटरी प्रदर्शन के करीब पहुँचता है।
वेरो (Vero) विजन-लैंग्वेज मॉडल्स का एक पूर्णतः खुला परिवार है जो 600K विविध नमूनों और टास्क-रूटेड रिवॉर्ड्स के माध्यम से सुदृढीकरण शिक्षण (reinforcement learning) को स्केल करके अत्याधुनिक सामान्य दृश्य तर्क प्रदर्शन प्राप्त करता है, जो यह प्रदर्शित करता है कि व्यापक डेटा कवरेज ही सफलता का प्राथमिक चालक है और यह किसी भी प्रोप्रायटरी डेटा या सोचने के पैटर्न पर निर्भर नहीं है।
यह शोध पत्र CoDE-Stop प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त अर्ली स्टॉपिंग (early stopping) विधि है जो उत्पादक सही प्रक्षेप पथों और अनुत्पादक अत्यधिक सोच (overthinking) के बीच अंतर करके, टोकन के उपयोग को महत्वपूर्ण रूप से कम करते हुए सटीकता को बनाए रखते या सुधारते हुए, तर्क को कुशलतापूर्वक समाप्त करने के लिए मध्यवर्ती उत्तर विश्वास (intermediate answer confidence) की गतिशीलता का लाभ उठाता है।
यह शोध पत्र RACE को प्रस्तुत करता है, जो एक सूक्ष्म-स्तरीय (fine-grained) LLM-जनित टेक्स्ट डिटेक्शन विधि है, जो मानव रचनाकारों और संपादकों के विशिष्ट हस्ताक्षरों को मॉडल करने के लिए 'रेटोरिकल स्ट्रक्चर थ्योरी' और 'एलिमेंट्री डिस्कोर्स यूनिट' विशेषताओं का लाभ उठाती है ताकि चार टेक्स्ट श्रेणियों के बीच अंतर किया जा सके, जिससे सिंथेटिक टेक्स्ट को विनियमित करने के लिए एक अधिक नीति-अनुरूप समाधान प्रदान किया जा सके।
यह शोध पत्र एक दो-चरणीय प्रॉम्प्ट चयन रणनीति प्रस्तावित करता है जो संश्लेषण से पहले प्रॉसोडिक विशेषताओं, ऑडियो गुणवत्ता और टेक्स्ट-इमोशन सुसंगतता के आधार पर उम्मीदवारों का मूल्यांकन करती है, और संश्लेषण के दौरान उन्हें इनपुट टेक्स्ट के साथ संरेखित करती है, ताकि ज़ीरो-शॉट टेक्स्ट-टू-स्पीच जनरेशन में स्पीकर निरंतरता और भावनात्मक तीव्रता में महत्वपूर्ण सुधार किया जा सके।