9623 पेपर
यह शोध पत्र फ्यू-शॉट रिलेशन एक्सट्रैक्शन के लिए एक दो-चरणीय ढांचे का प्रस्ताव करता है जो छोटे भाषा मॉडलों का उपयोग करके बेंचमार्क डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए रीजनिंग-गाइडेड प्रॉम्प्ट सर्च को एक नवीन ग्रेडिएंट-आधारित रिफाइनमेंट विधि (GradPO) के साथ जोड़ता है।
यह शोध पत्र इस बात की जांच करता है कि कैसे इमेज रेज़ोल्यूशन विभिन्न निर्माण मोड और भाषाओं में हानिकारक ASCII आर्ट का पता लगाने की लार्ज विजन-लैंग्वेज मॉडल्स की क्षमता को प्रभावित करता है, जिससे यह पता चलता है कि विशिष्ट रेज़ोल्यूशन थ्रेशोल्ड के बाद डिटेक्शन दर तेजी से गिर जाती है, और वर्ड-आधारित डिज़ाइन मॉडरेशन के प्रति सबसे अधिक प्रतिरोधी सिद्ध होते हैं।
यह अध्ययन प्रदर्शित करता है कि मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (multimodal large language models) ज़ीरो-शॉट सेटिंग में मानवीय रेटिंग के साथ पर्याप्त संरेखण (alignment) के साथ दृश्य रचनात्मकता का प्रभावी ढंग से मूल्यांकन कर सकते हैं, जबकि उनकी चरण-दर-चरण तर्क प्रक्रिया स्कोरिंग सटीकता में सुधार न करने के बावजूद मूल्यांकन प्रक्रिया में व्याख्यात्मक अंतर्दृष्टि प्रदान करती है।
GUICrafter एक वीकली-सुपरवाइज्ड (weakly-supervised) GUI एजेंट है जो विशाल अनएनोटेटेड स्क्रीनशॉट्स और उच्च गुणवत्ता वाले डेटा की एक छोटी मात्रा पर प्रशिक्षित होने के लिए एक टू-स्टेज करिकुलम लर्निंग फ्रेमवर्क का लाभ उठाता है, जिससे यह UI-TARS जैसे उन्नत सिस्टम द्वारा उपयोग किए गए एनोटेटेड डेटा के केवल 0.1% की आवश्यकता के साथ बेहतर प्रदर्शन और क्रॉस-डिवाइस सामान्यीकरण प्राप्त करता है।
यह शोध पत्र ARMOR को पेश करता है, जो एक एडेप्टिव रिट्रीवर ऑप्टिमाइज़ेशन विधि है जो कम-संसाधन वाले टेलीकॉम प्रश्न उत्तर (question answering) को बेहतर बनाने के लिए जनरेटर के बजाय क्वेरी एनकोडर को ट्यून करने हेतु लेटेंट-डॉक्यूमेंट RAG लाइकलीहुड और InfoNCE कॉन्ट्रास्टिव ऑब्जेक्टिव्स को रेगुलराइजेशन के साथ संयुक्त रूप से उपयोग करता है।
यह शोध पत्र SEVA को प्रस्तुत करता है, जो एक स्व-विकसित सत्यापन एजेंट (self-evolving verification agent) है, जो एक संरचित, बहु-घटक आउटपुट सिस्टम को प्रशिक्षित करने के लिए प्रोसेस रिवॉर्ड मैकेनिज्म का उपयोग करके अपारदर्शी बाइनरी फैक्ट-चेकिंग की सीमाओं को दूर करता है, जिससे निरंतर स्व-सुधार संभव होता है जो ऑडिट योग्य तर्क और GPT-4o-mini के तुलनीय प्रदर्शन वाले बेंचमार्क-विशेषज्ञ मॉडल प्रदान करता है।
यह शोध पत्र लंबी अवधि के डीप सर्च कार्यों में "कॉन्टेक्स्ट रॉट" (context rot) की घटना की जांच करता है, जहाँ विस्तृत संदर्भ बड़े भाषा मॉडलों को समय से पहले हार मानने या अनिश्चित उत्तर देने के लिए प्रेरित करता है, और व्यवस्थित कॉन्टेक्स्ट प्रबंधन तथा रॉट-अवेयर रिजेक्शन सैंपलिंग के माध्यम से प्रभावी शमन रणनीतियों का प्रस्ताव करता है।
यह शोध पत्र इवैल्यूएटर-प्रेफरेंस कोलैप्स (EPC) फ्रेमवर्क को प्रोप्राइटरी LLM इवैल्यूएटर्स की समय के साथ होने वाली तीव्र अस्थिरता और "प्रेफरेंस कोलैप्स" को निदान करने और मापने के लिए प्रस्तुत करता है, जो व्यापक बहु-शर्त ऑडिट के माध्यम से यह प्रदर्शित करता है कि वर्ज़न-कंडीशनल ड्रिफ्ट के कारण सिंगल-स्नैपशॉट इवैल्यूएशन अध्ययन मौलिक रूप से अविश्वसनीय हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि SMOTE ट्री एन्सेंबल्स (tree ensembles) में प्रायिकता अंशांकन (probability calibration) को थोड़ा कम करता है, रैंडम अंडरसैंपलिंग (random undersampling) उच्च असंतुलन अनुपात पर गंभीर अंशांकन त्रुटियां उत्पन्न करता है, लेकिन इन दोनों समस्याओं को रैंकिंग प्रदर्शन से महत्वपूर्ण रूप से समझौता किए बिना पोस्ट-हॉक रीकैलिब्रेशन (post-hoc recalibration) के माध्यम से प्रभावी ढंग से हल किया जा सकता है।
यह शोधपत्र मात्रात्मक और गुणात्मक आय विश्लेषण समुदायों के बीच के अंतर को पाटने के लिए "EarningsInOne" कॉर्पस प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ संख्यात्मक सरप्राइज़ तत्काल बाजार प्रतिक्रियाओं को संचालित करते हैं, वहीं गुणात्मक कॉन्फ्रेंस कॉल सेंटिमेंट एक विशिष्ट, व्यापार योग्य संकेत प्रदान करता है जो अगले ट्रेडिंग डे पर चरम पर होता है लेकिन पहले असंगत मूल्यांकन मेट्रिक्स द्वारा अस्पष्ट रहा है।