11070 पेपर
FGR-ColBERT एक कुशल रिट्रीवल मॉडल है जो एक बड़े लैंग्वेज मॉडल (LLM) से डिस्टिल्ड (distilled) सूक्ष्म-स्तरीय प्रासंगिकता संकेतों को सीधे रिट्रीवल फंक्शन में एकीकृत करता है, जिससे उच्च रिट्रीवल प्रभावशीलता और न्यूनतम लेटेंसी ओवरहेड बनाए रखते हुए बहुत बड़े LLMs की तुलना में बेहतर टोकन-स्तरीय प्रदर्शन प्राप्त होता है।
यह सर्वेक्षण पत्र दुरुपयोग पहचान जीवनचक्र (Abuse Detection Lifecycle) के चार चरणों—लेबल और फीचर जनरेशन, डिटेक्शन, रिव्यू और अपील्स, तथा ऑडिटिंग और गवर्नेंस—में लार्ज लैंग्वेज मॉडल्स के एकीकरण का विश्लेषण करता है, साथ ही विश्वसनीय, बड़े पैमाने की सुरक्षा प्रणालियों की तैनाती के मार्गदर्शन हेतु वर्तमान प्रथाओं, वास्तुशिल्प संबंधी विचारों और लेटेंसी एवं निष्पक्षता जैसी प्रमुख चुनौतियों को संश्लेषित करता है।
यह शोधपत्र डिफ्यूजन लैंग्वेज मॉडल्स में गुणवत्ता-अन्वेषण द्वंद्व (quality-exploration dilemma) को संबोधित करता है यह प्रदर्शित करते हुए कि कम-विश्वास वाला रीमास्किंग (low-confidence remasking) आवश्यक अन्वेषण को दबा देता है, और एक इंडिपेंडेंट मेट्रोपोलिस-हेस्टिंग्स सैंपलर प्रस्तावित करता है जो विभिन्न रीजनिंग बेंचमार्क में जनरेशन की गुणवत्ता और रीजनिंग पाथ की विविधता के बीच प्रभावी ढंग से संतुलन बनाता है।
यह शोध पत्र मल्टीमॉडल डेप्थ अपस्केलिंग (Multimodal Depth Upscaling) का प्रस्ताव करता है, जो एक विधि है जो स्पीच कार्यों के लिए अनुकूलित करने हेतु एक फ्रोजन टेक्स्ट एलएलएम (frozen text LLM) के भीतर नए ट्रांसफॉर्मर परतों (जैसे कि ई-ब्रांचफॉर्मर) को सम्मिलित और प्रशिक्षित करती है, जिससे मूल टेक्स्ट क्षमताओं को महत्वपूर्ण रूप से संरक्षित करते हुए और फुल फाइन-ट्यूनिंग एवं लोरा (LoRA) की तुलना में कम प्रशिक्षण योग्य पैरामीटरों के साथ प्रतिस्पर्धी एएसआर (ASR) प्रदर्शन प्राप्त किया जाता है।
यह शोध पत्र JUBAKU-v2 प्रस्तुत करता है, जो एट्रिब्यूशन थ्योरी (attribution theory) पर आधारित एक सांस्कृतिक रूप से विशिष्ट जापानी बेंचमार्क है, जो केवल निष्कर्षों के बजाय तर्क प्रक्रियाओं के भीतर सामाजिक पूर्वाग्रहों का मूल्यांकन करता है, और मौजूदा अनुवाद-आधारित बेंचमार्क की तुलना में मॉडल प्रदर्शन के अंतर का पता लगाने में बेहतर संवेदनशीलता प्रदर्शित करता है।
यह शोध पत्र TED टॉक से व्युत्पन्न एक बड़े पैमाने के अंग्रेजी-से-मध्य कुर्दिश भाषण अनुवाद कॉर्पस, KUTED को प्रस्तुत करता है, और यह प्रदर्शित करता है कि एक व्यवस्थित ऑर्थोग्राफिक मानकीकरण दृष्टिकोण को लागू करने से फाइन-ट्यून्ड सीमलेस (Seamless) और कैस्केड ट्रांसफॉर्मर (cascaded Transformer) दोनों मॉडलों के लिए अनुवाद प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र TRIMS का प्रस्ताव करता है, जो एक हल्का सुपरवाइज्ड फाइन-ट्यूनिंग फ्रेमवर्क है जो डिफ्यूजन लैंग्वेज मॉडल्स में ट्रेजेक्टरी-अवेयर मास्किंग को निर्देशित करने के लिए ऑटोरेग्रेसिव टीचर सिग्नल्स का लाभ उठाता है, जिससे प्रशिक्षण-अनुमान (train-inference) विसंगतियों को हल किया जाता है और पारंपरिक डिस्टिलेशन की उच्च लागत के बिना सटीकता-समानांतरता (accuracy-parallelism) ट्रेड-ऑफ में महत्वपूर्ण सुधार किया जाता है।
यह शोध पत्र AfrIFact को पेश करता है, जो दस अफ्रीकी भाषाओं और अंग्रेजी में तथ्य-जांच (fact-checking) के लिए एक बहुभाषी डेटासेट है, जो वर्तमान रिट्रीवल और LLM-आधारित सत्यापन मॉडलों की महत्वपूर्ण सीमाओं को प्रकट करता है और यह प्रदर्शित करता है कि फ्यू-शॉट प्रॉम्पटिंग (few-shot prompting) और कार्य-विशिष्ट फाइन-ट्यूनिंग प्रदर्शन में काफी सुधार कर सकते हैं।
LangMARL एक नवीन ढांचा है जो एजेंट-स्तरीय भाषा क्रेडिट असाइनमेंट और भाषा स्थान में ग्रेडिएंट इवोल्यूशन को पेश करके LLM-आधारित प्रणालियों में मल्टी-एजेंट क्रेडिट असाइनमेंट समस्या का समाधान करता है, जिससे सहकारी मल्टी-एजेंट कार्यों में स्वायत्त समन्वय रणनीति शोधन और बेहतर सैंपल दक्षता सक्षम होती है।
यह शोध पत्र मानसिक स्वास्थ्य टेक्स्ट वर्गीकरण के लिए अनुकूलन रणनीतियों का एक व्यवस्थित तुलनात्मक अध्ययन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि विधि चयन और कॉन्फ़िगरेशन प्रदर्शन को महत्वपूर्ण रूप से प्रभावित करते हैं और एक पारदर्शी, बेसलाइन-संचालित ढांचे की वकालत करता है जो एकल हेडलाइन स्कोर के बजाय पद्धतिगत अंतर्दृष्टि को प्राथमिकता देता है।