11158 पेपर
यह शोध पत्र एक सामान्यीकृत स्टॉक मूल्य भविष्यवाणी मॉडल प्रस्तावित करता है जो एक लार्ज लैंग्वेज मॉडल फ्रेमवर्क के भीतर स्टॉक नाम एम्बेडिंग और अटेंशन-आधारित पूलिंग तंत्र के माध्यम से फ़िल्टर की गई दैनिक समाचारों के साथ ऐतिहासिक कीमतों को एकीकृत करता है, जिससे बेसलाइन की तुलना में मीन एब्सोल्यूट एरर (MAE) में 7.11% की कमी आई है।
यह शोध पत्र मानव संवादात्मक डेटा का उपयोग करके कार्य-उन्मुख सहयोग के स्वचालित विश्लेषण की समीक्षा करता है, जिसमें भविष्य के अनुसंधान और व्यावहारिक अनुप्रयोगों को निर्देशित करने के लिए प्रासंगिक सिद्धांतों, कोडिंग योजनाओं, कार्यों और मॉडलिंग दृष्टिकोणों को शामिल किया गया है।
यह शोध पत्र LLM-MRD का प्रस्ताव करता है, जो एक शिक्षक-छात्र ढांचा है जो एक बड़े भाषा मॉडल (LLM) शिक्षक से एक कुशल छात्र मॉडल में जटिल बहु-दृष्टिकोण तर्क ज्ञान को स्थानांतरित करने के लिए एक अंशांकन आसवन (कैलिब्रेशन डिस्टिलेशन) तंत्र का उपयोग करता है, जिससे सीधे LLM के उपयोग की कम्प्यूटेशनल अक्षमता को दूर करते हुए मल्टीमॉडल फर्जी समाचार पहचान में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
PrefPO एक न्यूनतम, प्राथमिकता-आधारित प्रॉम्प्ट अनुकूलन ढांचा है जो केवल प्राकृतिक भाषा मानदंडों का उपयोग करके प्रॉम्प्ट को पुनरावृत्त रूप से परिष्कृत करने के लिए एक LLM डिस्क्रिमिनेटर का लाभ उठाता है, जो मौजूदा तरीकों की तुलना में प्रॉम्प्ट की अत्यधिक शब्दता, पुनरावृत्ति और प्रॉम्प्ट हैकिंग के प्रति संवेदनशीलता को काफी कम करते हुए लेबल किए गए और अनलेबल किए गए परिवेशों में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह अध्ययन अनुसंधान नवीनता को मापने और तुलना करने के लिए एक ज्ञान इकाई-केंद्रित दृष्टिकोण का उपयोग करता है, जो यह प्रकट करता है कि अकादमिक जगत आम तौर पर उच्च नवीनता आउटपुट उत्पन्न करता है—विशेष रूप से पेटेंट और डेटासेट में—जबकि उद्योग डेटासेट-संचालित प्रगति में उत्कृष्टता प्राप्त करता है और पेटेंट नवाचार में सहयोग से अधिक लाभान्वित होता है।
यह शोध पत्र स्पेक्ट्रल टेम्परिंग (SpecTemp) को पेश करता है, जो डेंस पैसेज रिट्रीवल एम्बेडिंग कंप्रेशन के लिए एक लर्निंग-फ्री, मॉडल-अग्नोस्टिक विधि है, जो स्थानीय सिग्नल-टू-नॉइज़ विश्लेषण के आधार पर इष्टतम स्पेक्ट्रल स्केलिंग मापदंडों को अनुकूल रूप से निर्धारित करता है, जिससे बिना किसी लेबल किए गए डेटा या हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के लगभग ऑरेकल प्रदर्शन प्राप्त होता है।
यह शोध पत्र स्मोलएलएम2-135एम (SmolLM2-135M) में गहन शारीरिक विषमता (anatomical heterogeneity) को प्रदर्शित करके ट्रांसफार्मर भाषा मॉडलों में परत समरूपता (layer homogeneity) की धारणा को चुनौती देता है, जहाँ परतें अत्यधिक भिन्न महत्व और प्रशिक्षण आवश्यकताओं को प्रदर्शित करती हैं, जो अंततः यह सिद्ध करता है कि परत के महत्व के आधार पर कम्प्यूटेशनल बजट का पुनर्वितरण लागत को काफी कम करते हुए प्रदर्शन में सुधार कर सकता है।
यह शोध पत्र एक स्केलेबल टू-स्टेज प्रॉम्प्ट रूटिंग आर्किटेक्चर प्रस्तावित करता है जो सूक्ष्म-स्तरीय लेटेंट टास्क डिस्कवरी के लिए ग्राफ-आधारित क्लस्टरिंग और टास्क-अवेयर क्वालिटी एस्टीमेशन के लिए अ मिक्स्चर-ऑफ-एक्सपर्ट्स मॉडल का लाभ उठाता है, जो मौजूदा बेसलाइनों की तुलना में विविध फ्रंटियर मॉडल्स में बेहतर प्रदर्शन और लागत दक्षता प्राप्त करता है।
यह शोध पत्र तर्क देता है कि बड़े भाषा मॉडलों (large language models) में मूल्यांकन जागरूकता (evaluation awareness) के लिए प्रोब-आधारित साक्ष्य संभवतः वास्तविक संदर्भ समझ के बजाय सतही स्तर की प्रॉम्प्ट संरचनाओं द्वारा भ्रमित (confounded) होते हैं, क्योंकि ये संकेत प्रारूप (format) को नियंत्रित करने पर मुक्त-रूप (free-form) प्रॉम्प्ट्स में सामान्यीकृत होने में विफल रहते हैं।
यह अध्ययन प्रदर्शित करता है कि मुक्त बनाम निश्चित शब्द क्रम जैसे व्यापक टाइपोलॉजिकल भेदों के बजाय, शब्द और उपशब्द शब्दावली की संरचना ट्रांसफॉर्मर भाषा मॉडल में शब्द-क्रम विविधताओं की सीखने की क्षमता को निर्धारित करने वाला प्राथमिक कारक है।