11158 पेपर
यह शोध पत्र बास्क भाषा से संबंधित मशीन अनुवाद में लिंग पूर्वाग्रह का मूल्यांकन करने के लिए दो नए बेंचमार्क, WinoMTeus और FLORES+Gender पेश करता है, जो यह प्रकट करते हैं कि वर्तमान बड़े भाषा मॉडल (LLMs) और मशीन अनुवाद (MT) प्रणालियाँ लिंगहीन और लिंग-युक्त भाषाओं के बीच अनुवाद करते समय पुल्लिंग रूपों के प्रति एक व्यवस्थित प्राथमिकता प्रदर्शित करती हैं।
RexDrug एक तर्क-संवर्धित (reasoning-enhanced) लार्ज लैंग्वेज मॉडल फ्रेमवर्क है जो बायोमेडिकल साहित्य से जटिल n-ary ड्रग संयोजनों को निकालने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए मल्टी-एजेंट सहयोगात्मक तर्क निर्माण और सुदृढीकरण शिक्षण (reinforcement learning) को संयोजित करने वाली दो-चरणीय प्रशिक्षण रणनीति का उपयोग करता है।
यह शोध पत्र टिल्डेओपन (TildeOpen) एलएलएम (LLM) का परिचय देता है, जो एक 30-बिलियन-पैरामीटर वाला ओपन-वेट मॉडल है जो बिना अतिरिक्त कम्प्यूटेशनल संसाधनों की आवश्यकता के, डेटा असंतुलन को दूर करने के लिए करिकुलम लर्निंग और डेटासेट अपसैंपलिंगिंग का उपयोग करके 34 यूरोपीय भाषाओं, विशेष रूप से कम-संसाधन वाले समूहों के लिए उत्कृष्ट प्रदर्शन प्राप्त करता है।
DualTurn एक डुअल-चैनल जनरेटिव स्पीच मॉडल है जो संवादात्मक ऑडियो पर अनसुपरवाइज्ड प्रीट्रेनिंग के माध्यम से स्वाभाविक टर्न-टेकिंग डायनेमिक्स सीखता है और एजेंट एक्शन्स की भविष्यवाणी करने के लिए फाइन-ट्यून किया जाता है, जो टूल-कॉलिंग क्षमताओं को सक्षम करते हुए एक्शन प्रेडिक्शन सटीकता और टर्न-बाउंड्री एंटिसिपेशन दोनों में मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र क्रॉस-लिंगुअल ट्रांसफर मैट्रिक्स (CLTM) को पेश करता है जो जेंडर आइडेंटिफिकेशन और स्पीकर वेरिफिकेशन जैसे पैरालिंग्विस्टिक कार्यों में भाषा-निर्भर प्रदर्शन विविधताओं को व्यवस्थित रूप से मात्रात्मक रूप से मापने के लिए है, जो यह प्रकट करता है कि अपनी ध्वनिक प्रकृति के बावजूद, मल्टीलिंगुअल HuBERT-आधारित एनकोडर्स का उपयोग करते समय ये कार्य विशिष्ट क्रॉस-लिंगुअल ट्रांसफर पैटर्न प्रदर्शित करते हैं।
यह शोध पत्र फाइब्रेशन पॉलिसी ऑप्टिमाइज़ेशन (FiberPO) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो बड़े भाषा मॉडल प्रशिक्षण में नवीन एग्रीगेशनल पॉलिसी सेंसरिंग ऑब्जेक्टिव और फाइबर बंडल गेटिंग तंत्र के माध्यम से सिद्धांतिक, बहु-स्तरीय स्थिरता नियंत्रण को सक्षम करने के लिए ट्रस्ट-रीजन सिद्धांत और संरचनात्मक बीजगणितीय संरचनाओं को जोड़ता है।
यह शोध पत्र इस बात की जांच करता है कि प्रशिक्षण की यादृच्छिकता (randomness) ट्रांसफॉर्मर मॉडल के स्पष्टीकरणों की स्थिरता को कैसे प्रभावित करती है, यह प्रदर्शित करते हुए कि हालांकि वाक्यात्मक संदर्भ (syntactic context), लक्ष्य वर्ग (target classes) और कार्य प्रकार (task types) सभी इस संवेदनशीलता को महत्वपूर्ण रूप से प्रभावित करते हैं, लेकिन इनका प्रभाव संदर्भ के लिए सबसे कम, वर्गों के लिए मध्यम और कार्यों के लिए सबसे अधिक है।
यह शोध पत्र ऑडियोविजुअल स्पीच रिकग्निशन के लिए एक ज़ीरो-एवी-रिसोर्स फ्रेमवर्क प्रस्तावित करता है जो वास्तविक ऑडियो के साथ स्थिर चेहरे की छवियों को लिप-सिंक करके सिंथेटिक टॉकिंग-हेड वीडियो उत्पन्न करता है, जो लेबल किए गए वीडियो कॉर्पोरा की आवश्यकता के बिना कैटलन जैसी कम-संसाधन वाली भाषाओं के लिए उच्च-प्रदर्शन मॉडल प्रशिक्षण को सफलतापूर्वक सक्षम बनाता है।
यह अध्ययन विविध मॉडलों, संदर्भ लंबाई (context lengths) और हार्डवेयर के माध्यम से 172-बिलियन-टोकन के विशाल मूल्यांकन का उपयोग करता है ताकि यह प्रकट किया जा सके कि जबकि मॉडल चयन सटीकता का प्राथमिक निर्धारक है, दस्तावेज़ Q&A में मतिभ्रम (hallucination) की दर संदर्भ लंबाई के साथ काफी बढ़ जाती है और तापमान (temperature) के साथ गैर-रैखिक रूप से भिन्न होती है, जो इस बात को रेखांकित करती है कि ग्राउंडिंग क्षमता और फैब्रिकेशन प्रतिरोध (fabrication resistance) विशिष्ट क्षमताएं हैं।
यह शोधपत्र AdaCultureSafe का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो सांस्कृतिक रूप से आधारित प्रश्नों के एक नवीन डेटासेट के निर्माण और अनुकूलन योग्य सांस्कृतिक सुरक्षा को महत्वपूर्ण रूप से बढ़ाने के लिए एक ज्ञान-एकीकृत विधि प्रस्तुत करके लार्ज लैंग्वेज मॉडल्स (Large Language Models) में सांस्कृतिक सुरक्षा और ज्ञान के बीच सहसंबंध की कमी को संबोधित करता है।