11158 पेपर
यह अध्ययन स्टेबल डिफ्यूजन एक्सएल (Stable Diffusion XL) और डैली-3 (DALL-E 3) जैसे टेक्स्ट-टू-इमेज मॉडल्स में विकलांगता के अल्प-अन्वेषित प्रतिनिधित्व की जांच करता है, जो निरंतर असंतुलन और भावात्मक फ्रेमिंग संबंधी मुद्दों को प्रकट करता है जो अधिक समावेशी चित्रणों को बढ़ावा देने के लिए निरंतर मूल्यांकन और परिशोधन की तत्काल आवश्यकता को रेखांकित करते हैं।
यह शोध पत्र पॉलिसी ऑप्टिमाइज़ेशन के लिए ऑनलाइन कॉज़ल कलमन फ़िल्टरिंग (KPO) का प्रस्ताव करता है, जो एक नवीन विधि है जो टोकन-स्तरीय ऑफ-पॉलिसी लर्निंग में उच्च-विचलन शोर और संरचनात्मक विसंगतियों को कम करने के लिए इम्पॉर्टेंस सैंपलिंग रेश्यो को कलमन फ़िल्टरिंग के माध्यम से अपडेट किए गए विकसित होने वाले लेटेंट स्टेट्स के रूप में मॉडल करती है, जिससे बड़े भाषा मॉडलों के लिए अधिक स्थिर और प्रभावी सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) प्राप्त होता है।
यह शोध पत्र MiniCPM-SALA प्रस्तुत करता है, जो एक 9B-पैरामीटर वाला हाइब्रिड मॉडल है जो पारंपरिक फुल-अटेंशन मॉडलों की तुलना में प्रशिक्षण लागत और अनुमान विलंबता (inference latency) को काफी कम करते हुए, 1M टोकन तक कुशल, उच्च-प्रदर्शन वाले लॉन्ग-कॉन्टेक्स्ट मॉडलिंग को प्राप्त करने के लिए स्पार्स और लीनियर अटेंशन मैकेनिज्म को एक लागत प्रभावी निरंतर प्रशिक्षण ढांचे के साथ जोड़ता है।
यह शोध पत्र Ascend NPUs पर HiFloat स्वरूपों (HiF8 और HiF4) का मूल्यांकन करता है, जो उच्च-विचलन वाले डेटा को संभालने और 4-बिट शासन में सटीकता के पतन को रोकने में पूर्णांक स्वरूपों की तुलना में उनके बेहतर प्रदर्शन को प्रदर्शित करता है, साथ ही कुशल LLM इन्फरेंस के लिए अत्याधुनिक क्वांटाइजेशन फ्रेमवर्क के साथ अनुकूलता बनाए रखता है।
यह शोध पत्र बांग्ला घृणास्पद भाषण (hate speech) के लिए ज़ीरो-शॉट एनोटेटर्स के रूप में 17 लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है, जिससे पता चलता है कि वे महत्वपूर्ण पूर्वाग्रह और अस्थिरता प्रदर्शित करते हैं, जहाँ छोटे, कार्य-अनुकूलित मॉडल अक्सर बड़े मॉडलों से बेहतर प्रदर्शन करते हैं, जिससे कम संसाधन वाली भाषाओं के लिए संवेदनशील एनोटेशन कार्यों हेतु वर्तमान एलएलएम (LLMs) की सीमाओं पर प्रकाश पड़ता है।
यह शोध पत्र यह प्रकट करता है कि अपने व्यापक ज्ञान के बावजूद, लार्ज लैंग्वेज मॉडल्स "एल्गोरिद्मिक ब्लाइंडनेस" (कलनविधि अंधापन) से ग्रस्त हैं, जो कम्प्यूटेशनल प्रक्रियाओं और एल्गोरिद्मिक प्रदर्शन के बारे में सटीक भविष्यवाणी करने या तर्क करने में व्यवस्थित रूप से विफल रहते हैं, और अक्सर उनके अपने घोषणात्मक ज्ञान (declarative knowledge) और प्रक्रियात्मक तर्क क्षमताओं (procedural reasoning capabilities) के बीच एक मौलिक अंतर के कारण वे यादृच्छिक अनुमान (random guessing) से बेहतर प्रदर्शन नहीं कर पाते हैं।
यह शोध पत्र "डायनेमिक लेवल सेट्स" (dynamic level sets) की नवीन गणितीय अवधारणा को प्रस्तुत और विश्लेषित करता है, जो कि 2012 के ट्यूरिंग इनकंप्यूटेबिलिटी (Turing incomputability) अध्ययन से उत्पन्न हुई है और यह समझाने के लिए 'प्रिंसिपल ऑफ सेल्फ-मॉडिफ़िएबिलिटी' (Principle of Self-Modifiability) पर निर्भर करती है कि कैसे इनकंप्यूटेबल प्रक्रियाओं के माध्यम से भौतिक पुनर्गठन, मानक डायनेमिकल सिस्टम और संभाव्य ट्यूरिंग मशीनों से भिन्न कम्प्यूटेशनल व्यवहार उत्पन्न कर सकता है।
यह शोध पत्र OmniGAIA को प्रस्तुत करता है, जो वीडियो, ऑडियो और इमेज मोडैलिटीज के माध्यम से जटिल तर्क और टूल-उपयोग कार्यों पर ओम्नी-मोडल एजेंटों के मूल्यांकन के लिए एक व्यापक बेंचमार्क है, साथ ही OmniAtlas को भी प्रस्तुत करता है, जो उन्नत रणनीतियों के साथ प्रशिक्षित एक नेटिव ओम्नी-मोडल फाउंडेशन एजेंट है ताकि वर्तमान द्वि-मोडल मॉडलों और अगली पीढ़ी के वास्तविक दुनिया के एआई सहायकों के बीच के अंतर को पाटा जा सके।
यह शोध पत्र एक डेटा-संचालित पद्धति का प्रस्ताव करता है जो दस्तावेजों के लिए संदर्भ-जागरूक ग्राफ प्रतिनिधित्व (context-aware graph representations) बनाने हेतु डायनेमिक स्लाइडिंग-विंडो अटेंशन का लाभ उठाती है, जिससे ग्राफ अटेंशन नेटवर्क वर्गीकरण और सारांशीकरण में कम कम्प्यूटेशनल लागत के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त करने में सक्षम होते हैं।
यह अध्ययन पांच बेंचमार्क में नौ फ्रंटियर एलएलएम (LLMs) का मूल्यांकन करता है ताकि यह प्रदर्शित किया जा सके कि जबकि वैयक्तिकरण (personalization) निरंतर भावनात्मक संरेखण (affective alignment) को बढ़ाता है, एपिस्टेमिक स्वतंत्रता (epistemic independence) पर इसका प्रभाव भूमिका-आधारित है, जो सलाहकार संदर्भों में इसे मजबूत करता है लेकिन सामाजिक समकक्ष (social peer) परिदृश्यों में इसे कमजोर करता है जहाँ मॉडल उपयोगकर्ता के प्रभाव के प्रति अधिक संवेदनशील हो जाते हैं।