11070 पेपर
यह शोध पत्र आधुनिक मानक अरबी और इसकी बोलियों के बीच अरबी भाषा मॉडलों में क्रॉस-लिंगुअल ट्रांसफर की जांच करता है, जो यह प्रकट करता है कि हालांकि ट्रांसफर संभव है, लेकिन यह भौगोलिक रूप से निर्भर है और जब मॉडल सभी बोलियों पर एक साथ प्रशिक्षित किए जाते हैं तो नकारात्मक हस्तक्षेप (नेगेटिव इंटरफेरेंस) से बाधित होता है।
Spark-LLM-Eval एक ओपन-सोर्स, डिस्ट्रीब्यूटेड फ्रेमवर्क है जो Apache Spark पर निर्मित है, जो डेटा-पैरेल प्रोसेसिंग, लागत दक्षता के लिए कंटेंट-एड्रेसेबल कैशिंग और बूटस्ट्रैप कॉन्फिडेंस इंटरवल एवं सिग्निफिकेंस टेस्ट जैसे सुदृढ़ सांख्यिकीय तरीकों को जोड़कर लार्ज लैंग्वेज मॉडल्स के सांख्यिकीय रूप से कठोर, बड़े पैमाने पर मूल्यांकन को सक्षम बनाता है।
यह शोध पत्र ULTRAG को प्रस्तुत करता है, जो एक सार्वभौमिक और स्केलेबल फ्रेमवर्क है जो नॉलेज ग्राफ क्वेश्चन अनswering (Knowledge Graph Question Answering) को उन्नत करता है, जिससे प्री-ट्रेंड लार्ज लैंग्वेज मॉडल्स को बिना किसी रिट्रेनिंग के ऑफ-द-शेल्फ न्यूरल क्वेरी एक्जीक्यूटर्स का उपयोग करके जटिल मल्टी-हॉप रीजनिंग कार्यों पर अत्याधुनिक प्रदर्शन प्राप्त करने में सक्षम बनाया जाता है, और यह सब विकीडेटा-स्केल (Wikidata-scale) के ग्राफ्स को कम लागत पर कुशलतापूर्वक संभालते हुए किया जाता है।
StepCache एक बैकएंड-अज्ञेय (backend-agnostic) प्रणाली है जो स्टेप-लेवल पुन: उपयोग (step-level reuse), हल्के सत्यापन (lightweight verification) और चयनात्मक पैचिंग (selective patching) को लागू करके उन वर्कलोड्स के लिए LLM सर्विंग को अनुकूलित करती है जिनमें साझा संरचनाएं लेकिन स्थानीयकृत बाधाएं होती हैं, जिससे आउटपुट की शुद्धता सुनिश्चित करते हुए लेटेंसी और टोकन उपयोग को काफी कम किया जा सके।
OneComp एक ओपन-सोर्स फ्रेमवर्क है जो जनरेटिव एआई मॉडल्स के जटिल पोस्ट-ट्रेनिंग कंप्रेशन को एक पुनरुत्पादनीय (reproducible), हार्डवेयर-अवेयर पाइपलाइन में स्वचालित करता है, जो एल्गोरिद्मिक नवाचार और कुशल प्रोडक्शन डिप्लॉयमेंट के बीच के अंतर को पाटने के लिए प्रोग्रेसिव मिक्स्ड-प्रिसिजन क्वांटाइजेशन को सक्षम बनाता है।
यह शोध पत्र CrossTrace को प्रस्तुत करता है, जो परिकल्पना सृजन (hypothesis generation) के लिए 1,389 ग्राउंडेड वैज्ञानिक तर्क प्रक्षेप पथों (reasoning traces) का पहला बड़े पैमाने का, क्रॉस-डोमेन डेटासेट है, जो यह प्रदर्शित करता है कि इस बहु-विषयक डेटा पर भाषा मॉडलों को फाइन-ट्यून करने से लगभग पूर्ण तथ्यात्मक सटीकता बनाए रखते हुए तर्क की गुणवत्ता, संरचनात्मक अनुपालन और क्रॉस-डोमेन हस्तांतरणीयता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के लिए एक जैव-प्रेरित, तंत्रिका विज्ञान-आधारित स्मृति वास्तुकला का प्रस्ताव करता है जो संदर्भ खिड़कियों (कॉन्टेक्स्ट विंडोज़) के विस्तार की सीमाओं को पार करने के लिए एक तीन-सिद्धांत ढांचे को लागू करता है—जिसमें वैलेंस-आधारित विश्वास पदानुक्रम, सिस्टम 1-से-सिस्टम 2 रिट्रीवल एस्केलेशन, और सक्रिय, फीडबैक-निर्भर एन्कोडिंग शामिल है—ताकि अनंत, लागत-कुशल और मतिभ्रम-प्रतिरोधी आजीवन अंतःक्रिया को सक्षम बनाया जा सके।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स (LLMs) में एक व्यवस्थित तर्क संबंधी भेद्यता (reasoning vulnerability) की पहचान और बेंचमार्किंग करता है जहाँ प्रमुख सतही ह्यूरिस्टिक्स (surface heuristics), अंतर्निहित व्यवहार्यता बाधाओं (implicit feasibility constraints) पर हावी हो जाते हैं, जो यह प्रदर्शित करता है कि यह विफलता ज्ञान की कमी के बजाय साहचर्य कीवर्ड प्रोसेसिंग (associative keyword processing) से उत्पन्न होती है और इसे लक्षित प्रॉम्प्टिंग रणनीतियों के माध्यम से आंशिक रूप से कम किया जा सकता है।
यह अध्ययन प्रदर्शित करता है कि साझा बहुभाषी निरूपण (representations) सीखने पर समानांतर डेटा का प्रभाव केवल न्यूनतम होता है, क्योंकि स्पष्ट अनुवाद संकेतों के बिना भी क्रॉस-लिंगुअल संरेखण समान स्तरों तक उभर आता है, जिसमें समानांतर डेटा मुख्य रूप से प्रारंभिक-चरण के निरूपण साझाकरण को गति देने और भाषा-विशिष्ट न्यूरॉन्स को कम करने का कार्य करता है।
यह शोध पत्र Trojan-Speak को प्रस्तुत करता है, जो करिकुलम लर्निंग और GRPO-आधारित सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करने वाली एक प्रतिकूल फाइन-ट्यूनिंग (adversarial fine-tuning) विधि है, जो मॉडल की तर्क क्षमताओं में न्यूनतम गिरावट के साथ खतरनाक विषयों पर सुरक्षा फिल्टरों से बचने के लिए एंथ्रोपिक के कॉन्स्टिट्यूशनल क्लासिफायर (Constitutional Classifiers) को सफलतापूर्वक बायपास करता है, जिससे एलएलएम-आधारित क्लासिफायर की अपर्याप्तता और बेहतर मजबूती के लिए एक्टिवेशन-लेवल प्रोब्स (activation-level probes) की क्षमता का प्रदर्शन होता है।