💬 Category

cs.CL

11158 पेपर

🤖 AI

Evidence from fMRI Supports a Two-Phase Abstraction Process in Language Models

यह शोध पत्र प्रदर्शित करता है कि fMRI साक्ष्य लार्ज लैंग्वेज मॉडल्स में एक दो-चरणीय एब्स्ट्रैक्शन (abstraction) प्रक्रिया का समर्थन करते हैं, जो यह प्रकट करता है कि मस्तिष्क की प्रतिक्रियाओं की भविष्यवाणी करने की मध्यवर्ती परतों की उत्कृष्ट क्षमता उनकी अंतर्निहित कंपोजिशनैलिटी (compositionality) और अंतर्निहित आयामशीलता (intrinsic dimensionality) से उत्पन्न होती है, जो प्रशिक्षण के दौरान विकसित और संकुचित होती है।

Emily Cheng, Richard J. Antonello2026-03-16
💬 NLP

Representing data in words: A context engineering approach

यह शोध पत्र "वर्डलाइजेशन" (wordalisations) को प्रस्तुत करता है, जो एक संदर्भ इंजीनियरिंग पद्धति है जो संख्यात्मक डेटा को प्राकृतिक, सटीक आख्यानों में परिवर्तित करती है, और खेल स्काउटिंग और व्यक्तित्व मूल्यांकन जैसे विविध क्षेत्रों में कठोर मानव और स्वचालित मूल्यांकनों के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।

Amandine M. Caut, Amy Rouillard, Beimnet Zenebe, Matthias Green, Ágúst Pálmason Morthens, David J. T. Sumpter2026-03-16
💬 NLP

Rethinking the Relationship between the Power Law and Hierarchical Structures

यह अध्ययन इस प्रचलित दृष्टिकोण को चुनौती देता है कि सहसंबंधों (correlations) में पावर-लॉ डिके (power-law decay) भाषा में पदानुक्रमित संरचनाओं के प्रमाण के रूप में कार्य करता है, यह प्रदर्शित करते हुए कि प्राकृतिक भाषा के पार्स ट्री (parse trees) के सांख्यिकीय गुण इस व्याख्या का समर्थन करने वाली सैद्धांतिक मान्यताओं के अनुरूप नहीं हैं।

Kai Nakaishi, Ryo Yoshida, Kohei Kajikawa, Koji Hukushima, Yohei Oseki2026-03-16
💬 NLP

AdaBoN: Adaptive Best-of-N Alignment

यह शोध पत्र AdaBoN का प्रस्ताव करता है, जो एक प्रॉम्प्ट-अनुकूलनीय (prompt-adaptive) बेस्ट-ऑफ-एन (Best-of-N) संरेखण रणनीति है जो एक छोटे अन्वेषण बजट के साथ रिवॉर्ड वितरण का पहले अनुमान लगाकर और फिर शेष संसाधनों को अनुकूल रूप से वितरित करके इन्फरेंस-टाइम कंप्यूट को कुशलतापूर्वक आवंटित करता है, जिससे यह समान वितरण विधियों से बेहतर प्रदर्शन करता है और काफी बड़े बजटों के साथ प्रतिस्पर्धी बना रहता है।

Vinod Raman, Hilal Asi, Satyen Kale2026-03-16
💬 NLP

Instructing Large Language Models for Low-Resource Languages: A Systematic Study for Basque

यह शोध पत्र कम-संसाधन वाली बास्क भाषा के लिए लार्ज लैंग्वेज मॉडल्स को अनुकूलित करने पर एक व्यवस्थित अध्ययन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि लक्ष्य-भाषा कॉर्पोरा और सिंथेटिक निर्देशों के साथ एक इंस्ट्रक्शन-ट्यून्ड बहुभाषी बैकबोन का उपयोग करने से बिना किसी मूल बास्क निर्देश डेटा की आवश्यकता के, फ्रंटियर मॉडल्स के तुलनीय प्रदर्शन प्राप्त किया जा सकता है।

Oscar Sainz, Naiara Perez, Julen Etxaniz, Joseba Fernandez de Landa, Itziar Aldabe, Iker García-Ferrero, Aimar Zabala, E (…)2026-03-16
💬 NLP

Large language models show fragile cognitive reasoning about human emotions

यह शोधपत्र संज्ञानात्मक मूल्यांकन सिद्धांत (cognitive appraisal theory) पर आधारित CoRE को प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ बड़े भाषा मॉडल (large language models) संज्ञानात्मक मूल्यांकनों और भावनाओं के बीच व्यवस्थित संबंधों को पकड़ते हैं, वहीं वे मानवीय निर्णयों के साथ मिसअलाइनमेंट (misalignment) और विभिन्न संदर्भों में अस्थिरता प्रदर्शित करते हैं, जो मानवीय भावनाओं के बारे में उनकी नाजुक संज्ञानात्मक तर्क क्षमता का संकेत देता है।

Sree Bhattacharyya, Evgenii Kuriabov, Lucas Craig, Tharun Dilliraj, Reginald B. Adams, Jr., Jia Li, James Z. Wang2026-03-16
💬 NLP

From Formal Language Theory to Statistical Learning: Finite Observability of Subregular Languages

यह शोध पत्र सिद्ध करता है कि सभी मानक उप-नियमित (subregular) भाषा वर्ग अपने निर्णायक विधेयकों (deciding predicates) के माध्यम से रैखतः विभाज्य (linearly separable) हैं, जिससे सरल रैखिक मॉडलों के साथ उनकी परिमित अवलोकन क्षमता (finite observability) और सीखने की क्षमता (learnability) स्थापित होती है, एक ऐसा निष्कर्ष जिसे कृत्रिम और वास्तविक दुनिया के रूपात्मक प्रयोगों द्वारा मान्य किया गया है।

Katsuhiko Hayashi, Hidetaka Kamigaito2026-03-16
💬 NLP

When to Ensemble: Identifying Token-Level Points for Stable and Fast LLM Ensembling

यह शोध पत्र SAFE को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो लंबी-लंबी सामग्री के सृजन (long-form generation) के लिए LLM एन्सेम्बलिंग की स्थिरता और दक्षता को बढ़ाता है, जो केवल उन विशिष्ट टोकन पर मॉडलों को चुनिंदा रूप से एकत्रित करता है जहाँ टोकेनाइजेशन विसंगतियां न्यूनतम होती हैं और सहमति उच्च होती है, जबकि आत्मविश्वास बनाए रखने के लिए प्रोबेबिलिटी शार्पनिंग का उपयोग करता है।

Heecheol Yun, Kwangmin Ki, Junghyun Lee, Eunho Yang2026-03-16
💬 NLP

LLM Unlearning with LLM Beliefs

यह शोध पत्र वर्तमान LLM अनलर्निंग (unlearning) विधियों में "स्क्वीजिंग इफेक्ट" (squeezing effect) की पहचान करता है, जहाँ संभाव्यता द्रव्यमान (probability mass) अर्थ संबंधी रूप से संबंधित पुनर्गठित वाक्यों (rephrasings) की ओर स्थानांतरित हो जाता है, और एक बूटस्ट्रैपिंग फ्रेमवर्क प्रस्तावित करता है जो मॉडल के अपने उच्च-विश्वास वाले विश्वासों (high-confidence beliefs) का लाभ उठाकर लक्षित प्रतिक्रियाओं और उनके पुनर्गठित वाक्यों दोनों को अधिक प्रभावी ढंग से दबाने के साथ-साथ उपयोगिता (utility) को भी सुरक्षित रखता है।

Kemou Li, Qizhou Wang, Yue Wang, Fengpeng Li, Jun Liu, Bo Han, Jiantao Zhou2026-03-16
💬 NLP

Towards Contextual Sensitive Data Detection

यह शोध पत्र एक प्रासंगिक डेटा संवेदनशीलता ढांचे (contextual data sensitivity framework) का प्रस्ताव करता है जो मौजूदा उपकरणों की तुलना में संवेदनशील डेटा का पता लगाने की सटीकता में उल्लेखनीय सुधार करने और गलत सकारात्मकता (false positives) को कम करने के लिए प्रकार और डोमेन प्रासंगिककरण (type and domain contextualization) का लाभ उठाता है, जैसा कि प्रयोगों और विशेषज्ञ केस स्टडीज द्वारा प्रमाणित किया गया है।

Liang Telkamp, Madelon Hulsebos2026-03-16