9623 पेपर
यह शोध पत्र पॉपहेल्थ विश्लेषण में वर्बोस कॉन्टेक्स्ट (अत्यधिक विस्तृत संदर्भ) की समस्या को संबोधित करने के लिए नियोपेशेंट (neopatient) लाइब्रेरी के साथ निर्मित पॉपमेडक्यूए (PopMedQA) का परिचय देता है, जो यह प्रदर्शित करता है कि डोमेन-स्वतंत्र विधियाँ अनुदैर्ध्य चिकित्सा अभिलेखों (longitudinal medical records) की टोकन अक्षमता को संभालने में विफल रहती हैं और डोमेन-विशिष्ट समाधानों की आवश्यकता पर प्रकाश डालती हैं।
यह शोध पत्र यह प्रदर्शित करता है कि स्क्रैचपैड में मध्यवर्ती अवस्थाओं (intermediate states) को लिखने के लिए प्रशिक्षित बड़े भाषा मॉडल वास्तव में उन लिखित अवस्थाओं का उपयोग बाद के तर्क चरणों के लिए कारण इनपुट (causal inputs) के रूप में करते हैं, न कि केवल मानवीय पठनीयता के लिए उन्हें उत्पन्न करते हैं।
यह शोधपत्र PreferenceASR प्रस्तुत करता है, जो एक नया टेस्ट सेट और मूल्यांकन ढांचा है जिसे नॉर्मलाइजेशन, एंटिटीज, डिसफ्लुएंसीज़ और केसिंग के संबंध में उपयोगकर्ता-निर्दिष्ट आउटपुट प्राथमिकताओं का पालन करने की ASR सिस्टम की क्षमता को बेंचमार्क करने के लिए डिज़ाइन किया गया है, जो उन पारंपरिक बेंचमार्क की सीमाओं को संबोधित करता है जो ऐसे शैलीगत विविधताओं की अनदेखी करते हैं।
यह पूर्व-पंजीकृत अध्ययन बड़े भाषा मॉडलों के आगमन के बाद चर्चा अनुभागों (discussion sections) के भीतर एम-डैश (em-dash) के उपयोग में एक महत्वपूर्ण, क्रमिक जनसंख्या-स्तरीय वृद्धि को प्रकट करने के लिए 69,000 से अधिक medRxiv प्रीप्रिंट्स का विश्लेषण करता है, जो 2020 के दशक की शुरुआत के दौरान वैज्ञानिक लेखन में एक विशिष्ट शैलीगत परिवर्तन का सुझाव देता है।
यह शोध पत्र AURORA का प्रस्ताव करता है, जो एक नवीन मतिभ्रम (hallucination) डिटेक्शन फ्रेमवर्क है जो लागतपूर्ण आउटपुट-स्तरीय निरंतरता जांच पर निर्भर हुए बिना, लार्ज लैंग्वेज मॉडल्स में वेट-ग्रेडिएंट अपडेट्स की एसिमेट्रिक (asymmetric) और रोटेशन-प्रेरित गतिशीलता का लाभ उठाकर मजबूत, क्रॉस-डेटासेट प्रदर्शन प्राप्त करता है।
SurrogateShield एक क्लाइंट-साइड प्रॉक्सी है जो पता लगाए गए PII (व्यक्तिगत पहचान योग्य जानकारी) को ट्रांसमिशन से पहले स्थानीय रूप से उत्पन्न, टाइप-संगत सरोगेट मानों (surrogate values) से बदलकर और प्रतिक्रियाओं में मूल मानों को पुनर्स्थापित करके गोपनीयता-संरक्षण वाले LLM इंटरैक्शन को बढ़ाता है, जिससे वास्तविक PII के प्रदर्शन को समाप्त किया जाता है और पारंपरिक रेडैक्शन (redaction) विधियों की तुलना में सिमेंटिक उपयोगिता (semantic utility) में महत्वपूर्ण सुधार किया जाता है।
यह शोध पत्र प्रदर्शित करता है कि टेक्स्ट एम्बेडिंग्स की तुलना करने के लिए इष्टतम मीट्रिक एम्बेडिंग स्पेस की ज्यामितीय अनिसोट्रॉपी (anisotropy) पर निर्भर करती है, यह दिखाते हुए कि जहाँ कोसाइन सिमिलैरिटी (cosine similarity) आइसोट्रोपिक एनकोडर्स के लिए श्रेष्ठ है, वहीं रैंक-आधारित और L1-प्रकार के मीट्रिक्स एनिसोट्रोपिक मॉडल्स के लिए इसे काफी पीछे छोड़ देते हैं, एक ऐसा संबंध जिसे एक एकल वेरिएंस-डोमिनेंस मीट्रिक द्वारा अनुमानित किया जा सकता है और प्रमुख दिशाओं को प्रोजेक्ट करके कारण सहित पुष्ट किया जा सकता है।
यह शोध पत्र MAM-AI को प्रस्तुत करता है, जो ज़ांज़ीबार के नर्स-मिडवाइव्स की सहायता के लिए एक ओपन-सोर्स, पूर्णतः ऑफलाइन मेडिकल रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम है, जो एक क्यूरेटेड गाइडलाइन कॉर्पस के विरुद्ध प्रश्नों को एम्बेड करने और 4B पैरामीटर मॉडल के साथ उद्धृत उत्तर उत्पन्न करने के लिए सामान्य एंड्रॉइड उपकरणों पर चलता है, जो यह प्रदर्शित करता है कि जबकि ऑन-डिवाइस रिट्रीवल प्रभावी है, सुरक्षा और उपयोगिता सुनिश्चित करने के लिए निष्ठावान मॉडलों को प्राथमिकता देना और डिफ्लेक्शन को कम करने के लिए प्रॉम्प्ट्स को अनुकूलित करना आवश्यक है।
यह अध्ययन प्रकट करता है कि LLM-जनित नैदानिक कॉर्पोरा (clinical corpora) में 79.4% तक पुनरुक्तिपूर्ण (redundant) सामग्री होती है, एक ऐसा निष्कर्ष जो, जब वि-दोगुणाकरण (de-duplication) के माध्यम से संबोधित किया जाता है, तो विकृत प्रशिक्षण वितरणों को सुधारकर और सूचना घनत्व को अधिकतम करके डाउनस्ट्रीम नैदानिक मॉडल के प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह अध्ययन प्रदर्शित करता है कि ई-कॉमर्स समीक्षाओं पर तुर्की सेंटीमेंट एनालिसिस के लिए, BERTurk जैसे मॉडलों का सुपरवाइज्ड फाइन-ट्यूनिंग अभी भी लार्ज लैंग्वेज मॉडल्स के ज़ीरो-शॉट प्रॉम्प्टिंग से बेहतर प्रदर्शन करता है, विशेष रूप से चुनौतीपूर्ण न्यूट्रल श्रेणी को सटीक रूप से वर्गीकृत करने में।