11158 पेपर
यह अध्ययन दस लाख से अधिक फारसी काव्य पंक्तियों के एक विशाल संग्रह का उपयोग यह प्रदर्शित करने के लिए करता है कि ध्वन्यात्मक बनावट (phonetic texture) एक व्यवस्थित, ऐतिहासिक रूप से विकसित होने वाली साहित्यिक विशेषता है जो विधा और प्रदर्शन संदर्भों द्वारा आकार लेती है, जो विशिष्ट कवि-विशिष्ट ध्वनि प्रोफाइल को प्रकट करती है जो सख्त छंद संबंधी बाधाओं को नियंत्रित करने पर भी बनी रहती हैं।
यह शोध पत्र PARSA-Bench को प्रस्तुत करता है, जो 16 कार्यों और 8,000 से अधिक नमूनों के माध्यम से फारसी भाषा और संस्कृति पर बड़े ऑडियो-लैंग्वेज मॉडल का मूल्यांकन करने के लिए पहला व्यापक बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान मॉडल ऑडियो-विशिष्ट जानकारी का लाभ उठाने में संघर्ष करते हैं और कविता छंद (poetry meter) पहचान जैसे सांस्कृतिक रूप से आधारित प्रोसोडिक कार्यों पर काफी विफल होते हैं।
यह शोध पत्र एक मॉड्यूलर ढांचे का प्रस्ताव करता है जो तथ्यात्मक ज्ञान तक पहुंच के बिना, एक हल्के छात्र मॉडल में स्पष्ट नियोजन क्षमताओं को संकुचित (distill) करता है, जिससे तर्क चरणों को पुनर्प्राप्ति और संश्लेषण से अलग करके तथ्य-खोज वाले बड़े भाषा मॉडलों की सटीकता और दक्षता में सुधार होता है।
यह शोध पत्र INS-S1 को प्रस्तुत करता है, जो बीमा-विशिष्ट लार्ज लैंग्वेज मॉडल का एक परिवार है जो सामान्य बुद्धिमत्ता से समझौता किए बिना, सत्यापन योग्य डेटा संश्लेषण और एक प्रगतिशील SFT-RL पाठ्यक्रम वाली एक नवीन एंड-टू-एंड अलाइनमेंट पद्धति का उपयोग करते हुए, सत्यापन योग्य डोमेन महारत और रिकॉर्ड-लो हैलुसिनेशन दर प्राप्त करता है, साथ ही व्यापक INSEva बेंचमार्क भी जारी करता है।
यह शोध पत्र रिइन्फोर्समेंट लर्निंग फ्रॉम कम्युनिटी फीडबैक (RLCF) को प्रस्तुत करता है, जो एक ऐसा प्रतिमान (पैराडाइम) है जो एक बड़े पैमाने के सामुदायिक फीडबैक मॉडल का उपयोग करके अनुसंधान विचारों को उच्च क्षमता वाले प्रभाव के साथ जोड़ने और उनका निर्णय लेने के लिए एक AI प्रणाली को "वैज्ञानिक रुचि" (साइंटिफिक टेस्ट) विकसित करने हेतु प्रशिक्षित करता है, यह प्रदर्शित करते हुए कि AI मानव विशेषज्ञों के समान दूरदर्शिता के साथ वैज्ञानिक अवधारणाओं का प्रस्ताव देने और उनका मूल्यांकन करने में सीख सकता है।
यह शोध पत्र 'मल्टीलिंगुअल टिनीस्टोरीज' (Multilingual TinyStories) को प्रस्तुत करता है, जो 17 भारतीय भाषाओं में 132,000 से अधिक बच्चों की कहानियों का एक बड़े पैमाने का सिंथेटिक कॉर्पस है, जिसे स्मॉल लैंग्वेज मॉडल्स (Small Language Models) के प्रशिक्षण के लिए डेटा की कमी को दूर करने हेतु नेटिव मॉडल जनरेशन और क्रॉस-लिंगुअल ट्रांसलेशन के हाइब्रिड पाइपलाइन के माध्यम से तैयार किया गया है।
यह शोध पत्र Top-b को प्रस्तुत करता है, जो एक नवीन डिकोडिंग रणनीति है जो रचनात्मक सृजन और तार्किक तर्क के बीच संतुलन को अनुकूलित करने के लिए तात्कालिक शैनन एंट्रॉपी (Shannon entropy) के आधार पर कैंडिडेट सैंपलिंग बैंडविड्थ को गतिशील रूप से समायोजित करती है, जिससे रीजनिंग बेंचमार्क पर प्रतिस्पर्धी सटीकता बनाए रखते हुए इंटर-डिकोडिंग वेरिएंस को कम किया जा सके।
यह शोध पत्र एक प्रशिक्षण-मुक्त (training-free) मॉडल स्टीयरिंग दृष्टिकोण प्रस्तुत करता है जो विविध सूचना स्रोतों का लाभ उठाकर लार्ज ऑडियो-लैंग्वेज मॉडल्स में चेन-ऑफ-थॉट रीजनिंग को बढ़ाता है, जिससे 4.4% तक की सटीकता में वृद्धि प्राप्त होती है और टेक्स्ट से स्पीच में कुशल क्रॉस-मोडल ट्रांसफर प्रदर्शित होता है।
यह शोध पत्र विच्छिन्न घटनाओं द्वारा संचालित पांच ऐतिहासिक युगों और चार वर्तमान युगों की पहचान करने के लिए 'पंक्चुएटेड इक्विलिब्रियम' (punctuated equilibrium) सिद्धांत को लागू करते हुए निरंतर एआई प्रगति की धारणा को चुनौती देता है, साथ ही 'इंस्टीट्यूशनल स्केलिंग लॉ' (Institutional Scaling Law) को पेश करता है जो यह प्रदर्शित करता है कि संस्थागत उपयुक्तता मॉडल के आकार के साथ गैर-एकदिष्ट (non-monotonic) होती है, जिससे यह सिद्ध होता है कि छोटे, डोमेन-अनुकूलित मॉडलों के समन्वित तंत्र अधिकांश संस्थागत संदर्भों में बड़े सामान्यज्ञ मॉडलों से बेहतर प्रदर्शन कर सकते हैं।
यह शोध पत्र प्रकट करता है कि जहाँ क्लासिफायर (classifiers) छोटे भाषा मॉडलों में ज्ञान के छिपाव का पता लगाने में शुरू में सक्षम होते हैं, वहीं जैसे-जैसे मॉडल का पैमाना बढ़ता है, उनकी प्रभावशीलता कम होती जाती है, और अंततः वे 70 बिलियन से अधिक पैरामीटर्स वाले मॉडलों में धोखे की पहचान करने में विफल रहते हैं और वर्तमान ब्लैक-बॉक्स ऑडिटिंग विधियों की गंभीर सीमाओं को उजागर करते हैं।