11070 पेपर
यह अध्ययन प्रदर्शित करता है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) बहु-उपयोगकर्ता सोशल मीडिया संवाद इतने यथार्थवादी रूप से उत्पन्न कर सकते हैं कि वे मानव पाठकों को धोखा दे सकें, जैसा कि इस तथ्य से प्रमाणित होता है कि प्रतिभागियों ने 39% बार एआई-जनित सामग्री को मानव-लिखित पोस्ट समझ लिया।
यह अध्ययन एक पुनरुत्पादनीय (reproducible) DSPy+HELM फ्रेमवर्क पेश करता है जो यह प्रदर्शित करता है कि संरचित प्रॉम्प्टिंग रणनीतियाँ भाषा मॉडल के प्रदर्शन में महत्वपूर्ण सुधार करती हैं और बेंचमार्क रैंकिंग को बदल देती हैं, जिससे यह स्पष्ट होता है कि प्रॉम्प्ट का चयन एक महत्वपूर्ण कारक है जिसे अक्सर स्थिर मूल्यांकन कॉन्फ़िगरेशन में अनदेखा कर दिया जाता है।
ओम्नीफ्यूजन (OmniFusion) एक एंड-टू-एंड मल्टीमॉडल ट्रांसलेशन सिस्टम है जो एक नवीन मल्टी-लेयर हिडन स्टेट फ्यूजन रणनीति के माध्यम से एक प्रीट्रेंड मल्टीमॉडल फाउंडेशन मॉडल को ट्रांसलेशन एलएलएम (LLM) के साथ जोड़ता है, जो पारंपरिक कैस्केडेड पाइपलाइनों की तुलना में कम लेटेंसी और बेहतर गुणवत्ता के साथ समवर्ती स्पीच-एंड-इमेज ट्रांसलेशन को सक्षम बनाता है।
DR-LoRA एक डायनेमिक रैंक एडेप्टेशन फ्रेमवर्क है जो मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल्स को फाइन-ट्यून करने के लिए डिज़ाइन किया गया है, जो रूटिंग फ्रीक्वेंसी और ग्रेडिएंट इम्पॉर्टेंस के आधार पर टास्क-क्रिटिकल एक्सपर्ट्स के रैंक को प्रगतिशील रूप से बढ़ाकर यूनिफॉर्म पैरामीटर एलोकेशन की अक्षमता को संबोधित करता है, जिससे विषम रैंक वितरण के माध्यम से बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल फाइन-ट्यूनिंग में ऑनलाइन डेटा चयन के लिए एक दो-चरणीय, ऑप्टिमाइज़र-जागरूक फ्रेमवर्क प्रस्तावित करता है जो चयन को एक अपडेट-मैचिंग समस्या के रूप में तैयार करके और अभिसरण (convergence) एवं डाउनस्ट्रीम प्रदर्शन में सुधार के लिए एक 'फिल्टर-देन-वेट' एल्गोरिदम का उपयोग करके ऑफलाइन विधियों की सीमाओं को संबोधित करता है।
यह शोध पत्र ओल्फैक्ट्री परसेप्शन (OP) बेंचमार्क प्रस्तुत करता है, जो 1,010 प्रश्नों का एक डेटासेट है जिसे गंध के बारे में तर्क करने की लार्ज लैंग्वेज मॉडल्स की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान मॉडल संरचनात्मक आणविक तर्क के बजाय मुख्य रूप से शाब्दिक जुड़ाव पर निर्भर करते हैं और अधिकतम 64.4% सटीकता प्राप्त करते हैं जबकि बहुभाषी एकत्रीकरण के माध्यम से बेहतर प्रदर्शन दिखाते हैं।
यह अध्ययन प्रदर्शित करता है कि Camelot PDF निष्कर्षण पाइपलाइन के साथ Qwen 2.5:14b LLM फॉलबैक को संयोजित करने वाला एक हाइब्रिड दृष्टिकोण, केवल LLMs का उपयोग करने की तुलना में, उपभोक्ता-ग्रेड हार्डवेयर पर PDF से शैक्षणिक पाठ्यक्रम पंजीकरण डेटा निकालने के लिए बेहतर सटीकता और कम्प्यूटेशनल दक्षता प्राप्त करता है।
यह शोध पत्र E-STEER को प्रस्तुत करता है, जो संरचित भावनात्मक संकेतों के साथ हिडन स्टेट रिप्रजेंटेशन (hidden state representations) को सीधे नियंत्रित करने के लिए एक व्याख्या योग्य ढांचा है, जो यह प्रदर्शित करता है कि विशिष्ट भावनाएं मनोवैज्ञानिक सिद्धांतों के अनुरूप बड़े भाषा मॉडलों (large language models) की तर्क क्षमता, सुरक्षा और बहु-चरणीय एजेंट व्यवहारों को गैर-एकदिष्ट (non-monotonically) रूप से बढ़ा सकती हैं।
यह शोध पत्र एक लार्ज लैंग्वेज मॉडल-आधारित दृष्टिकोण प्रस्तावित करता है जो गतिशील फ्यू-शॉट प्रॉम्प्टिंग (dynamic few-shot prompting), रिफ्लेक्शन-आधारित आत्म-सुधार (reflection-based self-improvement) और बहु-चरणीय सत्यापन (multi-stage validation) को एकीकृत करता है, ताकि पद-विशिष्ट व्यक्तिगत दक्षताओं की सटीक पहचान और प्राथमिकता निर्धारित की जा सके, जिससे कार्मिक चयन में मानव विशेषज्ञों के समान प्रदर्शन प्राप्त किया जा सके।
Dynin-Omni पहला मास्क्ड-डिफ्यूजन-आधारित ओम्नीमोडल फाउंडेशन मॉडल है जो एक ही आर्किटेक्चर के भीतर टेक्स्ट, इमेज, स्पीच और वीडियो की समझ और जनरेशन को एकीकृत करता है, जो विविध मल्टीमॉडल बेंचमार्क में अत्याधुनिक प्रदर्शन प्राप्त करने के साथ-साथ किसी भी-से-किसी (any-to-any) मॉडलिंग के लिए एक एकीकृत प्रतिमान के रूप में मास्क्ड डिफ्यूजन की क्षमता प्रदर्शित करता है।