11079 पेपर
यह शोध पत्र वेरिएशनल अलाइनमेंट विद री-वेटिंग (VAR) का प्रस्ताव करता है, जो एक नवीन ऑफलाइन विधि है जो बेहतर अलाइनमेंट प्रदर्शन और स्थिरता प्राप्त करने के लिए मानव फीडबैक से सुदृढीकरण लर्निंग (RLHF) को एक रिवॉर्ड-वेटेड सुपरवाइज्ड फाइन-ट्यूनिंग कार्य के रूप में पुनर्गठित करती है, जबकि पारंपरिक ऑनलाइन विधियों और DPO जैसे मौजूदा ऑफलाइन दृष्टिकोणों की तुलना में कम्प्यूटेशनल लागत को काफी कम करती है।
यह अध्ययन अर्निंग कॉल ट्रांसक्रिप्ट के सेंटीमेंट एनालिसिस के लिए BERT, FinBERT और ULMFiT सहित डीप लर्निंग मॉडल्स का एक तुलनात्मक विश्लेषण प्रस्तुत करता है ताकि उनके प्रदर्शन, दक्षता और वित्तीय निर्णय लेने तथा जोखिम प्रबंधन को बढ़ाने की क्षमता का मूल्यांकन किया जा सके।
यह शोध पत्र डेविड मार के विश्लेषण के स्तरों और स्थापित संज्ञानात्मक विज्ञान तकनीकों को अनुकूलित करके बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) के व्यवहार और उनकी आंतरिक संरचना को डिकोड करने के लिए एक ढांचा प्रस्तावित करता है।
यह शोध पत्र विकासवादी जीव विज्ञान और ट्रांसफॉर्मर लर्निंग के बीच एक सादृश्यता प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि पर्यावरणीय स्थिरता 'इन-वेट लर्निंग' (IWL) के पक्ष में होती है, जबकि पर्यावरणीय अस्थिरता विश्वसनीय संकेतों के साथ 'इन-कॉन्टेक्स्ट लर्निंग' (ICL) के पक्ष में होती है, और इन रणनीतियों के बीच संक्रमण 'एसिम्प्टोटिक ऑप्टिमैलिटी' (asymptotic optimality) और अनुकूलन लागतों द्वारा नियंत्रित होते हैं।
यह शोध पत्र MolLangBench प्रस्तुत करता है, जो भाषा-प्रेरित आणविक संरचना पहचान, संपादन और निर्माण के मूल्यांकन के लिए एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि मनुष्यों के लिए अपनी सहज सरलता के बावजूद, GPT-5 जैसे अत्याधुनिक मॉडल भी इन मौलिक रासायनिक कार्यों के साथ महत्वपूर्ण रूप से संघर्ष करते हैं।
यह शोध पत्र एंटिटी रिलेशनशिप वर्गीकरण के लिए तीन एआई एजेंट आर्किटेक्चर का एक तुलनात्मक विश्लेषण प्रस्तुत करता है, जो यह प्रदर्शित करता है कि सहकारी और प्रतिकूल प्रॉम्प्टिंग के साथ एक नवीन मल्टी-एजेंट डायनेमिक उदाहरण जनरेशन दृष्टिकोण लगातार मानक फ्यू-शॉट प्रॉम्प्टिंग से बेहतर प्रदर्शन करता है और कई डोमेन में फाइन-ट्यून्ड मॉडलों को टक्कर देता है।
यह शोध पत्र तर्क के एरोटेटिक सिद्धांत (Erotetic Theory of Reasoning) का उपयोग करते हुए 38 भाषा मॉडलों का मूल्यांकन करता है ताकि यह प्रदर्शित किया जा सके कि जैसे-जैसे मॉडल की क्षमता बढ़ती है, उनकी त्रुटियां यादृच्छिक गलतियों के बजाय विशिष्ट मानव-समान तर्कदोषों (fallacy patterns) के अधिक अनुरूप हो जाती हैं, और आधारवाक्यों (premise) का क्रम तर्कदोष उत्पादन को महत्वपूर्ण रूप से प्रभावित करता है।
यह शोध पत्र KGA को प्रस्तुत करता है, जो एक नवीन इन्फरेंस-टाइम फ्रेमवर्क है जो स्थिर मॉडलों और कैटास्ट्रोफिक फॉरगेटिंग की सीमाओं को दूर करने के लिए सिनर्जिस्टिक बॉटम-अप नॉलेज फ्यूजन और टॉप-डाउन अटेंशन गाइडेंस पाथवे का उपयोग करते हुए, बिना किसी पैरामीटर संशोधन के बड़े भाषा मॉडलों में बाहरी नॉलेज ग्राफ को गतिशील रूप से एकीकृत करता है।
यह शोध पत्र DMFI का प्रस्ताव करता है, जो एक द्वैत-मोडैलिटी (dual-modality) ढांचा है जो स्वतंत्र रूप से LoRA-ट्यून किए गए भाषा मॉडलों और एक विभेदक अनुकूलन रणनीति के माध्यम से सिमेंटिक और व्यवहार संबंधी लॉग विश्लेषणों को संलयित करके इनसाइडर थ्रेट डिटेक्शन को बढ़ाता है, और CERT डेटासेट्स पर अत्याधुनिक तरीकों की तुलना में बेहतर सटीकता प्राप्त करता है।
यह शोध पत्र SafeConstellations को प्रस्तुत करता है, जो एक इन्फरेंस-टाइम विधि है जो टास्क-विशिष्ट एम्बेडिंग ट्रैजेक्टरीज को रिफ्यूज़ल पैटर्न से दूर पहचानकर और निर्देशित करके LLM के ओवर-रिफ्यूज़ल को कम करती है, जिससे उपयोगिता को बनाए रखते हुए रिजेक्शन रेट में 73% तक की कमी आती है।