75 सामग्री
IEMOCAP और MELD के डेटा पर, भावनात्मक लेबल के जनरेटिव आउटपुट की तुलना कॉम्पैक्ट SpeechLLM के छिपे हुए निरूपणों पर आधारित एक रैखिक वर्गीकारक से की गई। वर्गीकारक से गुणवत्ता में होने वाला सुधार सार्वभौमिक नहीं है: यह कॉर्पस पर और इस बात पर निर्भर करता है कि संदर्भ ट्रांसक्रिप्ट का उपयोग किया गया है या ASR के परिणामों का।
यह लेख MIMIC-III पर FLAME के निश्चित स्कोर के साथ, mixed-integer linear programming के ज़रिए लागू किए गए संगत दवाओं के सेट के सटीक वैश्विक चयन की तुलना DDI टकरावों को स्थानीय स्तर पर दूर करने की कई योजनाओं से करता है। परीक्षण नमूने पर वैश्विक विकल्प Jaccard के आधार पर थोड़ा, लेकिन लगातार बेहतर प्रदर्शन करता है; प्रतिबंध कड़े होने पर यह बढ़त और अधिक हो जाती है और सबसे मज़बूत स्थानीय आधारभूत विधि की तुलना में +0.0064 तक पहुँच जाती है।
इस कार्य में एक ऐसा प्रोटोकॉल प्रस्तावित है जो संरचना प्रस्तुत करने के आठ तरीकों में प्रश्न और संदर्भ उत्तर को स्थिर रखता है तथा GraphSpace में संबंधों को अलग से चिह्नित करता है। युग्मित फाइन-ट्यूनिंग, लक्ष्य फ़ील्ड को मास्क करने और साक्ष्य जोड़ने के प्रयोगों से पता चलता है कि मॉडल संबंध का उपयोग करना और लिंक का अनुसरण करना—दोनों सीख सकता है, लेकिन लिंक हटाने से सटीकता अनुमानी खोज विधियों के स्तर से भी नीचे गिर जाती है।
Apptopia के अनुमान के अनुसार, iOS पर लॉन्च के शुरुआती 12 दिनों में अमेरिका और कनाडा के क्षेत्रीय नमूने में Muse को 18 लाख डाउनलोड मिले, जबकि ChatGPT को 13 लाख; अमेरिका में Muse के दैनिक उपयोगकर्ताओं की संख्या भी अधिक थी। यह तुलना बाहरी अनुमानों पर आधारित है और लॉन्च की अलग-अलग परिस्थितियों को ध्यान में रखती है: ChatGPT ने शुरुआत से ही अंतरराष्ट्रीय बाज़ार में प्रवेश किया, जबकि Muse केवल अमेरिका और कनाडा में उपलब्ध था।
यह लेख SPARSEUP की संरचना और इसके परिणामों की पड़ताल करता है: BEIR-13 पर 56,4 nDCG@10, साथ ही Seismic इंडेक्स के साथ मिलकर प्रति क्वेरी लगभग 380 माइक्रोसेकंड में 97% से अधिक रिकॉल। इसमें वे तकनीकें शामिल हैं जो वेक्टरों की विरलता बनाए रखती हैं, अन्य मॉडलों के साथ तुलना और Apache 2.0 के तहत वितरण की शर्तें।
नया मॉडल बैच और स्ट्रीमिंग मोड में वाणी को पहचानता है; SpaceXAI का कहना है कि 19 भाषाओं में छोटे वाक्यांशों के परीक्षण में त्रुटि दर 20,6% से घटकर 6,8% हो गई। सारांश में API शुल्क और तुलनात्मक परीक्षणों के नतीजे दिए गए हैं, जिनकी अभी तक स्वतंत्र रूप से पुष्टि नहीं हुई है।
लेखक साझा मेमोरी की एक सिस्टम लेयर का प्रस्ताव रखते हैं: एजेंट संरचित जानकारी सहेजते हैं, जबकि सिस्टम उसके चयन, डेटा सुरक्षा और मॉडलों तक पहुँचाने को नियंत्रित करता है। AIOS पर परीक्षणों में, इस दृष्टिकोण ने बाहरी स्टोरेज और RAG की तुलना में वैयक्तिकरण को बेहतर बनाया, और पूर्ण संदर्भ भेजने की तुलना में दो में से तीन मॉडलों पर तुलनीय परिणाम देते हुए विलंबता 15–61% तक घटाई।
यह शोध तैयार ज्ञान पैकेजों को लागू करने के दो तरीकों की तुलना करता है: उनके निर्देशों को एजेंट के कार्य-संदर्भ में शामिल करना या उप-कार्य अलग-अलग एजेंटों को सौंपना। स्पष्ट रूप से निर्धारित इनपुट, परिणामों और प्रक्रियाओं के मामले में कार्य सौंपना अधिक प्रभावी है, लेकिन इसके लिए समन्वय पर अतिरिक्त खर्च करना पड़ता है।
इस लेख में XAI-Arena प्रस्तुत किया गया है—एक ऐसी प्रणाली जो अलग-अलग मॉडलों और उपयोगकर्ताओं के हितों को ध्यान में रखते हुए, कई मानदंडों के आधार पर AI की व्याख्याओं की तुलना करती है। LLM के मूल्यांकन मानवीय निर्णयों से काफी हद तक मेल खाते हैं (स्पीयरमैन ρ = 0,693), जो व्याख्याओं के तुलनात्मक विश्लेषण को बड़े पैमाने पर करने की संभावना दर्शाता है।
