11158 पेपर
यह शोध पत्र विभिन्न प्रॉम्पटिंग रणनीतियों और कॉन्फ़िगरेशन के माध्यम से बायोमेडिकल लेख वर्गीकरण के लिए विभिन्न लार्ज लैंग्वेज मॉडल्स की प्रभावशीलता का व्यवस्थित रूप से मूल्यांकन करता है, जो यह प्रदर्शित करता है कि उनका प्रदर्शन पारंपरिक क्लासिफायर और फाइन-ट्यून्ड मॉडल्स के करीब पहुँच जाता है और साथ ही इष्टतम सेटअप के लिए व्यावहारिक सिफारिशें भी प्रदान करता है।
यह शोध पत्र डेलिब्रेटिव कलेक्टिव इंटेलिजेंस (DCI) को प्रस्तुत करता है, जो एक संरचित मल्टी-एजेंट फ्रेमवर्क है जो टाइप किए गए एपिस्टेमिक एक्ट्स और एक कन्वर्जेंट फ्लो एल्गोरिदम का उपयोग करता है ताकि जवाबदेह विचार-विमर्श के माध्यम से जटिल, गैर-रूटीन तर्क कार्यों पर प्रदर्शन में महत्वपूर्ण सुधार किया जा सके, बावजूद इसके कि इसमें उच्च कम्प्यूटेशनल लागत आती है और यह रूटीन निर्णयों पर कम प्रदर्शन करता है।
यह शोध पत्र DatedGPT को प्रस्तुत करता है, जो बारह 1.3B-पैरामीटर वाले भाषा मॉडलों का एक परिवार है, जिन्हें वित्तीय पूर्वानुमान में लुकअहेड बायस (lookahead bias) को समाप्त करने के लिए 2013 से 2024 तक सख्त वार्षिक कटऑफ के साथ टेम्पोरली पार्टिशन किए गए (temporally partitioned) डेटा पर प्रशिक्षित किया गया है, जबकि प्रतिस्पर्धी प्रदर्शन को भी बनाए रखा गया है।
यह शोध पत्र Bielik-Minitron-7B को प्रस्तुत करता है, जो Bielik-11B-v3.0 मॉडल पर स्ट्रक्चर्ड प्रूनिंग और नॉलेज डिस्टिलेशन लागू करके बनाया गया एक संकुचित 7.35B-पैरामीटर वाला पोलिश भाषा मॉडल है, जो मूल मॉडल के लगभग 90% प्रदर्शन को बनाए रखते हुए 33.4% पैरामीटर की कमी और 50% तक इन्फरेंस स्पीडअप प्राप्त करता है।
यह शोध पत्र CHiL(L)Grader को प्रस्तुत करता है, जो एक मानव-इन-द-लूप (human-in-the-loop) फ्रेमवर्क है जो कैलिब्रेटेड कॉन्फिडेंस एस्टीमेशन (calibrated confidence estimation) को कॉन्टिनुअल लर्निंग (continual learning) के साथ जोड़ता है ताकि उच्च-विश्वास वाले लघु-उत्तर ग्रेडिंग को सुरक्षित रूप से स्वचालित किया जा सके और अनिश्चित मामलों को मानव विशेषज्ञों के पास भेजा जा सके, जिससे विविध डेटासेट्स पर 35-65% प्रतिक्रियाओं पर विशेषज्ञ-स्तर की सटीकता प्राप्त की जा सके।
यह शोध पत्र BTZSC प्रस्तुत करता है, जो 22 डेटासेट का एक व्यापक बेंचमार्क है जिसे NLI क्रॉस-एनकोडर, एम्बेडिंग मॉडल, रेंकर और इंस्ट्रक्शन-ट्यून्ड LLMs की ज़ीरो-शॉट टेक्स्ट वर्गीकरण क्षमताओं को व्यवस्थित रूप से मूल्यांकन करने और तुलना करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि आधुनिक रेंकर वर्तमान में अत्याधुनिक प्रदर्शन प्राप्त करते हैं जबकि एम्बेडिंग मॉडल सर्वोत्तम सटीकता-विलंबता (accuracy-latency) संतुलन प्रदान करते हैं।
यह शोधपत्र LabelPigeon प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो मशीन अनुवाद और लेबल प्रोजेक्शन को संयुक्त रूप से करने के लिए XML टैग का उपयोग करता है, यह प्रदर्शित करते हुए कि यह दृष्टिकोण न केवल क्रॉस-लिंगुअल ट्रांसफर कार्यों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है बल्कि कई भाषाओं में अनुवाद की गुणवत्ता में भी सक्रिय रूप से सुधार करता है।
यह शोध पत्र प्रस्तावित करता है कि "ट्रांसलेशनिस" (translationese) संज्ञानात्मक भार (cognitive load) के प्रति एक तर्कसंगत प्रतिक्रिया है, जो एक अंग्रेजी-जर्मन कॉर्पस अध्ययन के माध्यम से यह प्रदर्शित करता है कि अनुवाद कार्य की कठिनाई के मापने योग्य मानक—विशेष रूप से क्रॉस-लिंगुअल ट्रांसफर जटिलता और स्रोत-पाठ की वाक्यात्मक विशेषताएं—लिखित और मौखिक दोनों रूपों में 'अनुवादितता' (translatedness) की डिग्री का महत्वपूर्ण रूप से पूर्वानुमान लगा सकते हैं।
यह शोध पत्र सोम बेंच (SommBench) को प्रस्तुत करता है, जो एक बहुभाषी बेंचमार्क है जिसे वाइन सिद्धांत, विशेषता पूर्णता और खाद्य-वाइन पेयरिंग कार्यों के माध्यम से भाषा मॉडलों की संवेदी विशेषज्ञता का मूल्यांकन करने के लिए पेशेवर सोमेलियर्स के सहयोग से विकसित किया गया है, जो यह प्रकट करता है कि जहाँ मॉडल सैद्धांतिक ज्ञान में उत्कृष्ट हैं, वहीं वे अधिक जटिल संवेदी निर्णय चुनौतियों के साथ संघर्ष करते हैं।
यह शोध पत्र क्रॉस-कॉन्टेक्स्ट रिव्यू (CCR) प्रस्तुत करता है, जो मूल प्रोडक्शन हिस्ट्री तक पहुँच के बिना एक नए सत्र में समीक्षा आयोजित करके लार्ज लैंग्वेज मॉडल्स की त्रुटि पहचान क्षमता में महत्वपूर्ण सुधार करता है, जिससे यह सेम-सेशन सेल्फ-रिव्यू और कॉन्टेक्स्ट-अवेयर सबएजेंट दृष्टिकोणों से बेहतर प्रदर्शन करता है।