न्यूरॉन्स से सेमैन्टिक्स तक: न्यूरॉन्स अलाइनमेंट के माध्यम से बड़े भाषा मॉडलों की क्रॉस-लिंग्विस्टिक संरेखण क्षमताओं का मूल्यांकन

बड़े भाषा मॉडल (LLMs) ने उल्लेखनीय बहुभाषी क्षमताओं का प्रदर्शन किया है, हालांकि क्रॉस-लिंगुअल अलाइनमेंट का मूल्यांकन कैसे किया जाए यह अभी भी अधूरा है। मौजूदा अलाइनमेंट बेंचमार्क मुख्य रूप से वाक्य एम्बेडिंग पर केंद्रित हैं, लेकिन पूर्व अनुसंधान ने दिखाया है कि न्यूरल मॉडल एक असमसत प्रतिनिधित्व स्थान उत्पन्न करते हैं, जो कम संसाधन वाली भाषाओं में सेमांटिक अलाइनमेंट मूल्यांकन को प्रभावित करता है। न्यूरोसाइंटिफिक खोजों से प्रेरित होकर कि समान जानकारी ओवरलैपिंग न्यूरोनल क्षेत्रों को सक्रिय करती है, हम एक नवीन न्यूरॉन स्टेट-आधारित क्रॉस-लिंगुअल अलाइनमेंट (NeuronXA) प्रस्तावित करते हैं जो LLMs की क्रॉस-लिंगुअल संरेखण क्षमताओं का आकलन करता है, जो क्रॉस-लिंगुअल अलाइनमेंट का अधिक सेमांटिक रूप से आधारभूत दृष्टिकोण प्रदान करता है। हम NeuronXA का मूल्यांकन कई प्रमुख बहुभाषी LLMs (LLaMA, Qwen, Mistral, GLM, और OLMo) पर दो ट्रांसफर कार्यों और तीन बहुभाषी बेंचमार्क पर करते हैं। परिणाम दिखाते हैं कि केवल 100 समानांतर वाक्य जोड़ों के साथ, NeuronXA डाउनस्ट्रीम टास्क प्रदर्शन के साथ 0.9556 पियर्सन सहसंबंध और ट्रांसफरेबिलिटी के साथ 0.8514 तक पहुंचता है। ये निष्कर्ष NeuronXA की क्रॉस-लिंगुअल अलाइनमेंट और ट्रांसफरेबिलिटी दोनों के आकलन में प्रभावशीलता प्रदर्शित करते हैं, भले ही डेटा सेट छोटा हो। यह क्रॉस-लिंगुअल अलाइनमेंट अनुसंधान को आगे बढ़ाने और बहुभाषी LLMs की सेमांटिक समझ में सुधार करने की इसकी क्षमता को उजागर करता है।