28108 ورقة بحثية
تقدم الورقة البحثية CoDeC، وهي طريقة عملية وآلية تكتشف وتحدد كمية تلوث بيانات التدريب في النماذج اللغوية الكبيرة من خلال تحليل كيفية تأثير التعلم في السياق على ثقة النموذج، مع التمييز بين بيانات التدريب المحفوظة والتوزيعات غير المرئية.
تقترح هذه الورقة إطار عمل لترجمة الكلام المدمج باللغات (code-switch) بدقة عالية، يعزز النماذج اللغوية الكبيرة بجهاز عرض من نوع "خليط الخبراء" (Mixture-of-Experts) متخصص لغوياً ونموذج تدريب متعدد المراحل لتحقيق تحسينات كبيرة في الأداء مقارنة بالنماذج الحالية مثل SeamlessM4T.
تقدم هذه الورقة FLARE، وهو إطار عمل سمعة متعدد الأبعاد وتكيفي للتعلم الاتحادي يعزز المتانة ضد الهجمات البيزنطية المتنوعة والمتطورة من خلال استبدال التصفية الثنائية الثابتة بالتقييم المستمر للثقة، والعتبات ذاتية المعايرة، وآليات الاستبعاد المرنة، مع الحفاظ على دقة النموذج العالية وسرعة التقارب.
يُعد FlowLPS حلاً عكسياً خالياً من التدريب لنماذج التدفق الكامن، حيث يوازن بين دقة القياس والجودة الإدراكية عبر الجمع بين تحديثات لانجفينه (Langevin) للاستكشاف العشوائي للمتغيرات اللاحقة، والتقريب المباشر (proximal refinement) لتحقيق اتساق سريع مع القياسات.
تقدم الورقة البحثية TAMO، وهو سياسة قائمة على المحولات (transformer-based) ومستهلكة بالكامل (fully amortized)، تستفيد من التعلم داخل السياق (in-context learning) والتعلم التعزيزي (reinforcement learning) لإجراء تحسين شامل متعدد الأهداف للصندوق الأسود (multi-objective black-box optimization) بكفاءة، دون الحاجة إلى ملاءمة نماذج بديلة لكل مهمة (per-task surrogate fitting) أو هندسة دالة الاستحواذ (acquisition function engineering).
تجادل ورقة الموقف هذه بأن الإفراط في مواءمة نماذج توليد الصور مع التفضيلات الجمالية العامة يقوض الاستقلالية الذاتية للمستخدم والتعددية الفنية من خلال معاقبة المخرجات "المناهضة للجمال" بشكل منهجي، حتى عندما تلتزم بدقة بالتعليمات الصريحة للمستخدم.
تقترح الورقة البحثية نظام Floorplan2Guide، وهو نظام ملاحة مدفوع بنماذج اللغات الكبيرة (LLM) للمكفوفين وضعاف البصر، يقوم بتحويل مخططات الطوابق إلى رسوم بيانية معرفية لتوليد تعليمات دقيقة، مما يثبت أن التعلم من أمثلة قليلة والاستدلال المكاني القائم على الرسوم البيانية يتفوقان بشكل كبير على الاستدلال البصري المباشر في تحسين دقة الملاحة.
تقدم هذه الورقة RW-Post، وهو معيار مرجعي جديد قابل للتدقيق للتحقق من الحقائق متعدد الوسائط في العالم الحقيقي يربط منشورات وسائل التواصل الاجتماعي بالأدلة والمسارات الاستدلالية التي تحقق منها البشر، إلى جانب خط الأساس AgentFact، للكشف عن فجوات كبيرة في قدرة النماذج الحالية على ربط الادعاءات البصرية بالأدلة بأمانة.
تقدم هذه الورقة EPAG، وهو إطار عمل ومجموعة بيانات مرجعية لتقييم قدرات نماذج اللغات الكبيرة في مرحلة ما قبل الاستشارة مقابل الإرشادات التشخيصية، مما يكشف أن النماذج الصغيرة مفتوحة المصدر والمعدلة بدقة يمكن أن تتفوق على النماذج الرائدة، وأن زيادة التاريخ المرضي لا تؤدي دائمًا إلى تحسين الدقة التشخيصية.
تقدم هذه الورقة نظاماً قائماً على النماذج اللغوية الكبيرة يقوم بتحويل المطالبات باللغة الطبيعية إلى إعدادات موازنة ديناميكية، مستفيداً من التعلم في السياق والضبط الدقيق بناءً على بيانات تجارب الاستماع للتفوق إحصائياً على النماذج المرجعية الثابتة في التكيف مع تفضيلات المستمعين والسياقات المتنوعة.