सोशल मीडिया पर राजनीतिक विचार कैसे बदलते हैं: नया मॉडल TSN4PI पेश किया गया
नया TSN4PI फ्रेमवर्क बड़े भाषा मॉडल और टेम्पोरल ग्राफ न्यूरल नेटवर्क को जोड़ता है, ताकि उपयोगकर्ताओं के राजनीतिक विचारों की पहचान की जा सके और उनके बदलावों का पूर्वानुमान लगाया जा सके। लेखकों ने दो बड़े डेटासेट भी जारी किए हैं और X तथा Truth Social के डेटा पर इस दृष्टिकोण का परीक्षण किया है।

पारंपरिक दृष्टिकोण क्यों विफल हो रहे हैं
सोशल मीडिया राजनीतिक चर्चाओं का प्रमुख मंच बन गया है। पोस्ट, लाइक और रीपोस्ट दर्शाते हैं कि लोगों का विश्वदृष्टिकोण कैसे बदल रहा है, लेकिन शोधकर्ताओं के लिए इस प्रक्रिया पर नज़र रखना कठिन है। मुख्य बाधाएँ लंबे समय से ज्ञात हैं:
- राजनीतिक रूप से महत्वपूर्ण संदेश मनोरंजन और व्यक्तिगत सामग्री के प्रवाह में डूब जाते हैं।
- एल्गोरिदम को प्रशिक्षित करने के लिए मैन्युअल एनोटेशन महंगा है और व्यक्तिपरकता से ग्रस्त है।
- विभिन्न प्लेटफार्मों का डेटा अलग-अलग तरीके से संरचित होता है, इसलिए एक सोशल नेटवर्क पर प्रशिक्षित मॉडल दूसरे पर काम नहीं करता।
- सबसे कठिन काम यह भविष्यवाणी करना है कि किसी व्यक्ति के विचार कैसे बदलेंगे, क्योंकि उन पर समाचार, परिवेश और अन्य उपयोगकर्ताओं का व्यवहार प्रभाव डालता है।
पारंपरिक मशीन लर्निंग विधियाँ अक्सर विफल हो जाती हैं: वे या तो आवश्यक संकेत नहीं ढूंढ पातीं, या केवल वर्तमान प्राथमिकताओं को बताने तक सीमित रहती हैं।
TSN4PI कैसे काम करता है
TSN4PI सोशल मीडिया में राजनीतिक विचारों के विकास पर नज़र रखने के लिए एक नई प्रणाली है। इसकी वास्तुकला दो भागों में विभाजित है, जिनमें से प्रत्येक अपना स्वयं का कार्य हल करता है।
वैचारिक फ़िल्टरिंग
पहला मॉड्यूल (PIDN) राजनीतिक सामग्री को अप्रासंगिक सामग्री से अलग करने के लिए ज़िम्मेदार है। यह बड़े भाषा मॉडल और शैली स्थानांतरण तकनीकों का उपयोग करता है, जिससे अतिरिक्त एनोटेशन के बिना विभिन्न स्रोतों से शोर-युक्त डेटा को संसाधित करना संभव हो जाता है। सीधे शब्दों में कहें तो, मॉड्यूल यह समझना सीखता है कि पोस्ट वास्तव में किस बारे में है, और मनोरंजन पोस्ट से विचलित नहीं होता।
बदलावों की भविष्यवाणी
दूसरा मॉड्यूल (PIPN) भविष्य की ओर देखता है। टेम्पोरल ग्राफ न्यूरल नेटवर्क का उपयोग करके, यह अन्य लोगों और संदेशों के साथ उपयोगकर्ता के संबंधों का विश्लेषण करता है और आकलन करता है कि उसकी स्थिति किस दिशा में बदलेगी: क्या मौजूदा विचारधारा मजबूत होगी, कमजोर होगी, या पूरी तरह से विपरीत में बदल जाएगी।

परीक्षण से क्या पता चला
वैज्ञानिकों ने X और Truth Social प्लेटफार्मों से संबंधित दो बड़े डेटासेट एकत्र किए और उन्हें गैर-व्यावसायिक अनुसंधान के लिए प्रदान किया। परीक्षण से पता चला कि TSN4PI कार्यों को सफलतापूर्वक पूरा करता है। सिस्टम न केवल राजनीतिक विश्वासों के निशान ढूंढता है, बल्कि समय के साथ होने वाले परिवर्तनों को भी नोटिस करता है।
विशेष रुचि प्लेटफार्मों के बीच अंतर है। X और Truth Social पर दर्शकों का ध्रुवीकरण अलग-अलग तरीकों से प्रकट होता है, और मॉडल इन बारीकियों को देखने की अनुमति देता है। यह अनुभवजन्य पुष्टि है कि इंटरनेट पर राजनीतिक विचार स्थिर नहीं हैं: वे सूचना वातावरण के प्रभाव में बहते हैं।

यह क्यों आवश्यक है
विचारधाराओं के विकास को सटीक रूप से ट्रैक करने की क्षमता केवल सैद्धांतिक अनुसंधान के लिए ही महत्वपूर्ण नहीं है। यह सार्वजनिक भावनाओं की भविष्यवाणी करने, हेरफेर की योजनाओं का पता लगाने और अनुशंसा एल्गोरिदम को अधिक तटस्थ बनाने में मदद करती है। खुले डेटासेट के लिए धन्यवाद, अन्य टीमें समान डेटा पर अपने स्वयं के दृष्टिकोण का परीक्षण कर सकेंगी, जिसका अर्थ है कि परिणामों की तुलना करना आसान होगा।
मॉडल आदर्श नहीं है — मानव राजनीतिक व्यवहार एक सूत्र में समेटने के लिए बहुत जटिल है। लेकिन ऐसा एकीकृत ढांचा एक संदर्भ बिंदु निर्धारित करता है जिससे आगे के काम में शुरुआत की जा सकती है। यह शोध पहले ही प्रतिष्ठित पत्रिका ACM Transactions on Intelligent Systems and Technology में प्रकाशन के लिए स्वीकार किया जा चुका है।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
Toollery: बिना फ़ाइन-ट्यूनिंग के, दसियों हज़ार विकल्पों में से LLM एजेंटों के लिए टूल चुनना
Toollery कौशलों और टूल्स के विवरणों पर एक खोज इंडेक्स बनाता है और अनुरोध आने पर मॉडल को केवल सीमित उम्मीदवारों का सेट भेजता है। दसियों हज़ार फ़ंक्शनों तक के आकार वाली लाइब्रेरी पर किए गए प्रयोगों में, यह तरीका निश्चित top-K पर चयन की गुणवत्ता बनाए रखने में सक्षम है, हालांकि अंतिम प्रभाव लोड प्रोफ़ाइल और प्रदाता की कैशिंग पर निर्भर करता है।
11 नवम्बर 2026
डैशबोर्ड विश्लेषण में GUI एजेंटों का चरणबद्ध निदान: DashAct बेंचमार्क
DashAct प्रस्तुत है—348 मानव-सत्यापित ट्रैजेक्टरी वाला एक बेंचमार्क, जो इंटरैक्टिव डैशबोर्ड के साथ GUI एजेंटों के काम को तीन चरणों और चार दृश्य स्थितियों में विभाजित करता है। नतीजे बताते हैं कि एजेंटों को कार्रवाइयों का अनुमान लगाने और दृश्य लक्ष्यों से जुड़ने में लगातार समस्याएँ आती हैं, साथ ही उनकी प्रतिक्रियाएँ संदर्भ और स्थानिक समर्थन पर निर्भर करती हैं।
11 नवम्बर 2026
WILSON: पैथोमॉर्फोलॉजिकल विश्लेषण और निष्कर्ष तैयार करने के लिए रोगी के आवर्धनों और स्लाइडों का संयोजन
यह प्रीप्रिंट WILSON प्रस्तुत करता है—एक vision-language मॉडल, जो केवल एक अलग “सर्वश्रेष्ठ” स्लाइड के बजाय पूरे स्लाइडों और एक ही मरीज के अलग-अलग आवर्धन पर लिए गए नमूनों की छवियों को एन्कोड करता है। किसी विशिष्ट कार्य के लिए अतिरिक्त प्रशिक्षण के बिना, यह कई मेट्रिक्स पर विशेषीकृत और अधिक बड़े स्लाइड-मॉडलों से बेहतर प्रदर्शन करता है, वह भी काफ़ी कम कंप्यूटेशनल लागत पर; इसके नैदानिक विवरणों को पैथोलॉजिस्टों से अधिक ऊँची रेटिंग मिली।
11 नवम्बर 2026