11158 पेपर
यह शोध पत्र प्रदर्शित करता है कि स्व-पर्यवेक्षित (self-supervised) स्पीच मॉडल भाषण को संरचनात्मक, ध्वन्यात्मक रूप से व्याख्या योग्य वेक्टर्स का उपयोग करके एनकोड करते हैं जो रैखिक अंकगणितीय संचालन की अनुमति देते हैं, जहाँ विशिष्ट फीचर वेक्टर्स (जैसे कि वॉइसिंग) को जोड़ने या स्केल करने से 96 भाषाओं में एक फोनम को दूसरे में व्यवस्थित रूप से परिवर्तित किया जा सकता है।
यह शोध पत्र प्रदर्शित करता है कि बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) को संरचित तर्क (स्ट्रक्चर्ड रीजनिंग) का उपयोग करने के लिए प्रशिक्षित करना, अमेरिकी, यूरोपीय और स्विस संदर्भों में राजनीतिक विचारों के साथ उनके संरेखण की क्षमता में सुधार करता है, हालांकि यह पूर्वाग्रह को पूरी तरह से समाप्त नहीं करता है, जिससे निष्ठावान राजनीतिक डिजिटल ट्विन्स बनाने के लिए एक नया आधार रेखा (बेसलाइन) स्थापित होता है।
यह शोध पत्र ओपनसैनक्शन्स पेयर्स (OpenSanctions Pairs) को प्रस्तुत करता है, जो वास्तविक दुनिया के प्रतिबंधों (sanctions) के डेटा से प्राप्त एक बड़े पैमाने का एंटिटी मैचिंग बेंचमार्क है, जो यह प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स सटीकता में प्रोडक्शन रूल-बेस्ड सिस्टम्स से काफी बेहतर प्रदर्शन करते हैं, जबकि यह भी रेखांकित करता है कि भविष्य के सुधार केवल पेयरवाइज मैचिंग के बजाय ब्लॉकिंग और क्लस्टरिंग जैसे पाइपलाइन घटकों पर केंद्रित होने चाहिए।
यह शोध पत्र स्पेकुलेटिव डिकोडिंग स्केलिंग लॉज़ (SDSL) प्रस्तुत करता है, जो एक सैद्धांतिक ढांचा है कि यह विश्लेषणात्मक रूप से प्री-ट्रेन्ड LLM हाइपरपैरामीटर्स को इन्फरेंस थ्रूपुट से जोड़ता है, जिससे महंगी प्रयोगात्मक ट्रेनिंग के बिना इष्टतम सिस्टम कॉन्फ़िगरेशन की भविष्यवाणी करना सक्षम होता है।
यह शोध पत्र CR-Bench, एक बेंचमार्किंग डेटासेट, और CR-Evaluator, एक सूक्ष्म-स्तरीय मूल्यांकन पाइपलाइन पेश करता है, ताकि कोड समीक्षा एजेंटों का आकलन किया जा सके और समस्या समाधान एवं भ्रामक निष्कर्षों के बीच उस महत्वपूर्ण समझौते को उजागर किया जा सके जो वर्तमान में उनकी वास्तविक उपयोगिता में बाधा डाल रहा है।
यह शोधपत्र REOPOLD को प्रस्तुत करता है, जो एक नवीन ढांचा है जो ऑन-पॉलिसी डिस्टिलेशन को पॉलिसी ऑप्टिमाइज़ेशन के रूप में व्याख्यायित करता है और इसे शिथिल बाधाओं (relaxed constraints) एवं गतिशील रिवॉर्ड तंत्रों के माध्यम से स्थिर करता है, जिससे काफी उच्च सैंपल दक्षता प्राप्त होती है और छोटे मॉडलों को विविध कार्यों में बड़े शिक्षकों के रीजनिंग प्रदर्शन के बराबर लाने में सक्षम बनाया जाता है।
यह शोध पत्र एक नए उच्च-निष्ठा वाले नैदानिक संग्रह (high-fidelity clinical corpus) का उपयोग करके हंटिंगटन रोग के लिए स्वचालित वाक् पहचान (automatic speech recognition) पर एक व्यवस्थित अध्ययन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एचडी-विशिष्ट अनुकूलन (HD-specific adaptation) और बायोमार्कर-आधारित सहायक पर्यवेक्षण (biomarker-based auxiliary supervision) शब्द त्रुटि दरों को महत्वपूर्ण रूप से कम करते हैं और रोग की गंभीरता के अनुसार त्रुटि पैटर्न को नया रूप देते हैं।
यह शोध पत्र FMVR प्रस्तुत करता है, जो एक सरल प्लग-एंड-प्ले फ्रीक्वेंसी-मॉड्यूलेटेड रणनीति है जो लो-फ्रीक्वेंसी और हाई-फ्रीक्वेंसी घटकों को अलग करके और उन्हें मॉड्यूलेट करके लार्ज मल्टीमॉडल मॉडल्स में विजुअल सिमेंटिक्स को पुनर्स्थापित करती है, जिससे मैट्रोस्का रिप्रेजेंटेशन लर्निंग के माध्यम से इलास्टिक टोकन रिडक्शन सक्षम होता है और साथ ही काफी कम कंप्यूटेशनल लागत के साथ मूल सटीकता के करीब बना रहता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स (LLMs) की पुनरावृत्ति अनुमान प्रक्रिया (iterative inference process) को मार्कोवियन जनरेशन चेन्स के रूप में परिभाषित करता है और प्रयोगों एवं मॉडलिंग के माध्यम से यह प्रदर्शित करता है कि ऐसी प्रक्रियाएं तापमान (temperature) और प्रारंभिक इनपुट जैसे कारकों के आधार पर वाक्य विविधता को या तो बढ़ा सकती हैं या कम कर सकती हैं, जिसके परिणाम एक आवर्ती सेट (recurrent set) में अभिसरण (convergence) से लेकर नवीन वाक्यों के उत्पादन तक विस्तृत हैं।
यह शोध पत्र हिंडसाइट-एंकोर्ड पॉलिसी ऑप्टिमाइजेशन (HAPO) को प्रस्तुत करता है, जो एक नवीन एल्गोरिदम है जो विफलता के दौरान शिक्षक प्रदर्शनों से सिंथेटिक सफलता को इंजेक्ट करने के लिए थॉम्पसन सैंपलिंग-प्रेरित गेटिंग तंत्र का उपयोग करके स्पार्स-रिवॉर्ड RLVR सेटिंग्स में एडवांटेज कोलैप्स और डिस्ट्रीब्यूशनल बायस की दुविधा को हल करता है, जिससे एक अस्थायी स्कैफोल्ड प्राप्त होता है जो एसिम्प्टोटिक कंसिस्टेंसी सुनिश्चित करता है और नीति को अंततः स्थिर शिक्षक सीमाओं से आगे बढ़ने की अनुमति देता है।