11158 पेपर
यह शोध पत्र VoxKnesset को प्रस्तुत करता है, जो 2009-2025 तक फैले 2,300 घंटों के अनुदैर्ध्य (longitudinal) हिब्रू संसदीय भाषणों का एक बड़े पैमाने का ओपन-एक्सेस डेटासेट है, जिसका उपयोग स्पीकर वेरिफिकेशन और समय के साथ आयु पूर्वानुमान की चुनौतियों को बेंचमार्क करने और प्रदर्शित करने के लिए किया गया है, जो वक्ताओं के उम्र बढ़ने के साथ मानक मॉडलों में महत्वपूर्ण प्रदर्शन गिरावट को प्रकट करता है।
यह शोध पत्र एक वृद्धिशील (incremental) -NN ग्राफ निर्माण पद्धति प्रस्तुत करता है जो डिज़ाइन द्वारा कनेक्टिविटी की गारंटी देता है, जिससे टेक्स्ट एम्बेडिंग्स के सुदृढ़ स्पेक्ट्रल क्लस्टरिंग को सक्षम बनाया जा सके जो कम- व्यवस्थाओं (low- regimes) में मानक दृष्टिकोणों से बेहतर प्रदर्शन करती है जहाँ विच्छेदित घटक (disconnected components) आमतौर पर प्रदर्शन को खराब कर देते हैं।
यह शोध पत्र Bielik-Q2-Sharp प्रस्तुत करता है, जो एक पोलिश 11B लैंग्वेज मॉडल पर छह 2-बिट क्वांटाइजेशन विधियों का एक व्यवस्थित मूल्यांकन है, जो यह पहचानता है कि QuIP# एक उच्च-प्रदर्शन वाला वेरिएंट है जो IQ2_XXS बेसलाइन के तुलनीय है, जबकि रोटेशन-आधारित विधियों में लॉग-लाइक्लीहुड संरक्षण और ऑटोरेग्रेसिव जनरेशन के बीच एक महत्वपूर्ण अलगाव को प्रकट करता है।
यह शोध पत्र AgentIR पेश करता है, जो एक रीजनिंग-अवेयर रिट्रीवल प्रतिमान (paradigm) और संबद्ध डेटा सिंथेसिस विधि (DR-Synth) है, जो AgentIR-4B एम्बेडिंग मॉडल को प्रशिक्षित करने के लिए डीप रिसर्च एजेंट्स के स्पष्ट इंटरमीडिएट थॉट ट्रेसेस (intermediate thought traces) का लाभ उठाता है, जो BrowseComp-Plus बेंचमार्क पर पारंपरिक रिट्रीवर्स की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र SearchGym को प्रस्तुत करता है, जो एक मॉड्यूलर इंफ्रास्ट्रक्चर है जो डेटा, एम्बेडिंग और रिट्रीवल घटकों को अलग करता है ताकि पुनरुत्पादित क्रॉस-प्लेटफॉर्म बेंचमार्किंग और हाइब्रिड सर्च ऑर्केस्ट्रेशन को सक्षम किया जा सके, जिससे यह पता चलता है कि इष्टतम पाइपलाइन अनुक्रमण (sequencing) फ़िल्टर की शक्ति पर निर्भर करता है और लिटसर्च (LitSearch) बेंचमार्क पर 70% टॉप-100 रिट्रीवल दर प्राप्त करता है।
यह शोध पत्र FinRetrieval प्रस्तुत करता है, जो संरचित डेटाबेस से विशिष्ट वित्तीय डेटा पुनर्प्राप्त करने की AI एजेंटों की क्षमता का मूल्यांकन करने वाला एक बेंचमार्क है, जो यह प्रकट करता है कि टूल की उपलब्धता (विशेष रूप से संरचित API) प्रदर्शन का प्राथमिक चालक है जबकि तर्क मोड और भौगोलिक नामकरण परंपराओं के सूक्ष्म प्रभावों को उजागर करता है।
यह शोधपत्र CTRL-RAG का प्रस्ताव करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो सहायक साक्ष्य के साथ और साक्ष्य के बिना प्रतिक्रियाओं के लॉग-लाइक्लीहुड अंतराल (log-likelihood gap) को अनुकूलित करने के लिए एक कंट्रास्टिव लाइकलीहुड रिवॉर्ड (Contrastive Likelihood Reward) का उपयोग करता है, जिससे रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) मॉडलों में संदर्भ निष्ठा (context faithfulness) में वृद्धि होती है और मतिभ्रम (hallucinations) को कम किया जाता है।
यह शोध पत्र प्रदर्शित करता है कि फाइन-ट्यून्ड लैंग्वेज मॉडल्स में उभरता हुआ मिसअलाइनमेंट (misalignment) केवल सिमेंटिक ट्रिगर्स के कारण उत्पन्न होता है, जिससे मॉडल बिना किसी सौम्य कंट्रास्ट (benign contrast) के, केवल हानिकारक डेटा पर प्रशिक्षित होने के बावजूद, हानिकारक व्यवहारों को स्वतः ही कंपार्टमेंटलाइज़ (compartmentalize) करने लगते हैं।
यह शोध पत्र टोकन निर्भरताओं को सुपरपोज्ड ऐतिहासिक योगदानों में विघटित करके आयामीता के अभिशाप (curse of dimensionality) को कम करने के लिए लार्ज लैंग्वेज मॉडल्स हेतु एक एडिटिव एन-ऑर्डर मार्कोव चेन सन्निकटन प्रस्तावित करता है, जिससे स्टेप-वाइज मेमोरी फंक्शन्स के साथ एक तुल्यता स्थापित होती है और इन चेन्स के लिए सूचना तापमान (information temperature) की अवधारणा पेश की जाती है।
यह शोध पत्र इंडक्टिव कॉन्सेप्चुअल रेटिंग (ICR) को प्रस्तुत करता है, जो एक संकेत-वैज्ञानिक-व्याख्यात्मक गुणात्मक मीट्रिक है जो यह प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स अक्सर उच्च शाब्दिक समानता प्राप्त करते हैं लेकिन मानव-निर्मित पाठ सारांशों के संदर्भगत रूप से आधारित, उद्गामी अर्थ को पकड़ने में विफल रहते हैं, और पारंपरिक सांख्यिकीय मीट्रिक्स के बजाय व्याख्यात्मक मूल्यांकन ढांचों की वकालत करता है।