11158 पेपर
यह शोध पत्र भारतीय भाषाओं में वर्तनी की विविधताओं की चुनौतियों से निपटने के लिए बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) का लाभ उठाते हुए एक ऑर्थोग्राफिक रूप से सूचित मूल्यांकन ढांचे (OIWER) का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि यह वर्ड एरर रेट (WER) जैसे पारंपरिक मेट्रिक्स की तुलना में स्पीच रिकग्निशन प्रदर्शन का अधिक सटीक और मानव-अनुरूप मूल्यांकन प्रदान करता है।
यह शोधपत्र S-VoCAL प्रस्तुत करता है, जो साहित्य से काल्पनिक पात्रों के स्वर गुणों (voice attributes) के निष्कर्ष का आकलन करने के लिए डिज़ाइन किया गया पहला डेटासेट और मूल्यांकन ढांचा है, जो एक रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) पाइपलाइन के माध्यम से यह प्रदर्शित करता है कि जबकि आयु और लिंग जैसे गुणों का विश्वसनीय रूप से अनुमान लगाया जा सकता है, उत्पत्ति और शारीरिक स्वास्थ्य जैसे अन्य गुण चुनौतीपूर्ण बने हुए हैं।
यह शोध पत्र मॉडल लॉजिट्स (logits) के संबंध में SFT लॉस की उत्तलता (convexity) को प्रशिक्षण स्थिरता के एक प्रमुख कारक के रूप में पहचानता है, और लॉजिट्स कॉन्वेक्स ऑप्टिमाइज़ेशन (LCO) का प्रस्ताव करता है, जो एक नया ढांचा है जो इस गुण का अनुकरण करने के लिए इस संपत्ति की नकल करता है ताकि PPO जैसी पारंपरिक विधियों की तुलना में RL प्रशिक्षण को स्थिर और बेहतर बनाया जा सके।
यह शोधपत्र थॉथ (Thoth) को प्रस्तुत करता है, जो मिड-ट्रेन्ड (mid-trained) लार्ज लैंग्वेज मॉडल्स का पहला परिवार है जो प्राकृतिक भाषा और टाइम सीरीज़ डेटा के बीच के अंतर को पाटने के लिए उच्च-गुणवत्ता वाले "बुक-ऑफ-थॉथ" (Book-of-Thoth) कॉर्पस का लाभ उठाता है, जो मौजूदा मॉडल्स की तुलना में टेम्पोरल रीजनिंग और ज्ञान-गहन बेंचमार्क पर प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र 'सेमेंटिक एक्सपाथ' (Semantic XPath) का प्रस्ताव करता है, जो एक ट्री-स्ट्रक्चर्ड मेमोरी मॉड्यूल है जो फ्लैट-आरएजी (flat-RAG) बेसलाइन्स की तुलना में काफी बेहतर प्रदर्शन करता है और इन-कॉन्टेक्स्ट मेमोरी की तुलना में टोकन के उपयोग को नाटकीय रूप से कम करता है, जिससे अधिक कुशल और स्केलेबल लॉन्ग-टर्म टास्क-ओरिएंटेड कन्वर्सेशनल एआई सिस्टम सक्षम होते हैं।
यह शोध पत्र मापन सिद्धांत (measurement theory) पर आधारित एक एकीकृत, सिद्धांतगत ढांचे का प्रस्ताव करता है ताकि इसके मूल विचार को इसके मापन से अलग करके और डेटा संग्रह, प्रोबिंग रणनीतियों तथा मूल्यांकन मेट्रिक्स की प्रमुख चुनौतियों का समाधान करके, एआई प्रणालियों की सांस्कृतिक बुद्धिमत्ता (cultural intelligence) को व्यवस्थित रूप से परिभाषित, कार्यात्मक रूप से संचालित और मूल्यांकित किया जा सके।
यह शोध पत्र XCom प्रस्तुत करता है, जो एक व्याख्यात्मक ट्रांसफार्मर-आधारित मॉडल है जो तुलनात्मक ओपिनियन माइनिंग में विश्वास और प्रदर्शन को बढ़ाने के लिए सिमेंटिक रीजनिंग और शापली एडिटिव एक्सप्लेनेशन के साथ एस्पेक्ट-आधारित रेटिंग प्रेडिक्शन को जोड़ता है।
यह शोधपत्र तर्क देता है कि उपन्यास जनरेटिव एआई (generative AI) के आउटपुट को महत्वपूर्ण रूप से आकार देते हैं क्योंकि वे समृद्ध भाषाई पैटर्न प्रदान करते हैं जिनका उपयोग मॉडल सामाजिक और संचार संबंधी घटनाओं का अनुकरण करने के लिए करते हैं, जिससे यह आवश्यक हो जाता है कि सांस्कृतिक विश्लेषण अब कम्प्यूटेशनल प्रशिक्षण डेटा के प्रभाव को भी ध्यान में रखे।
यह शोध पत्र सेल्फ-एंकरिंग कैलिब्रेशन ड्रिफ्ट (SACD) का परिचय देता है और इसका अनुभवजन्य सत्यापन करता है, जो एक ऐसी घटना है जहाँ मल्टी-टर्न वार्तालाप लार्ज लैंग्वेज मॉडल्स में आत्मविश्वास और कैलिब्रेशन त्रुटियों में विषम बदलावों का कारण बनते हैं—जिसमें क्लॉड सोनेट 4.6 में घटता आत्मविश्वास और बढ़ती त्रुटि से लेकर जेमिनी 3.1 प्रो में स्वाभाविक कैलिब्रेशन सुधारों का दमन और जीपीटी-5.2 में बढ़ता अति-आत्मविश्वास शामिल है—जो यह प्रदर्शित करता है कि पुनरावृत्ति स्व-एंकरिंग (iterative self-anchoring) विभिन्न आर्किटेक्चर के माध्यम से मॉडल विश्वसनीयता को मौलिक रूप से नया आकार देती है।
यह शोध पत्र KG-Followup को प्रस्तुत करता है, जो एक नॉलेज ग्राफ-संवर्धित लार्ज लैंग्वेज मॉडल है जो उच्च-गुणवत्ता वाले प्री-डायग्नोस्टिक फॉलो-अप प्रश्न उत्पन्न करने के लिए संरचित चिकित्सा विशेषज्ञता का लाभ उठाता है, और रिकॉल में 5% से 8% तक अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।