23200 ورقة بحثية
تجمع هذه الورقة الرؤى المستخلصة من 144 ورقة بحثية عبر ست سنوات من ورشة عمل TrustNLP لتوثيق تطور المجال من التفسير اللاحق إلى التحكم الآلي، مع تسليط الضوء على الصعود السريع في أبحاث الصدق، والمسار الذي يتخذ شكل حرف U بالنسبة للقابلية للتفسير، والتوافق الموضوعي مع اتجاهات معالجة اللغات الطبيعية الأوسع نطاقاً.
تقدم هذه الورقة دراسة حالة حول التعاون بين الإنسان والذكاء الاصطناعي في الرياضيات، توضح كيف نجح نظام أبحاث قائم على الذكاء الاصطناعي في توليد رؤى جديدة لتضييق الحدود المعروفة لثابت غروتينديك مع تقديم تأملات نقدية حول نقاط قوة النظام ونقاط ضعفه والشروط اللازمة لمثل هذه الطفرات النوعية.
تقدم الورقة البحثية Surgical WAM، وهو نموذج توليدي يستفيد من فيديوهات التنظير الداخلي الوفيرة والخالية من بيانات الأفعال لتعلم أولويات الديناميكيات البصرية، مما يحسن بشكل كبير من كفاءة البيانات وأداء التحكم في الحلقة المغلقة في مهام الروبوت الجراحي عند ضبطه بدقة باستخدام عروض توضيحية محدودة موسومة بالأفعال.
تقترح هذه الورقة إطاراً أخلاقياً شاملاً لتوجيه التطوير والنشر المسؤول لنماذج الذكاء الاصطناعي التأسيسية في التصوير الطبي، معالجةً تحديات حاسمة مثل خصوصية بيانات المرضى، والتحيز الخوارزمي، والحاجة إلى الشفافية والإشراف البشري لضمان رعاية تتمحور حول المريض.
تُثبت هذه الورقة أن وكلاء النماذج اللغوية الكبيرة، عند وضعهم في بيئة بقاء محاكية، يتطورون طبيعياً من "حالة طبيعة" فوضوية إلى مجتمع منظم ذي سيادة مطلقة، مما يثبت تجريبياً نظرية العقد الاجتماعي لتوماس هوبز ويسلط الضضوء على إمكانات المحاكاة متعددة الوكلاء المدفوعة بالنماذج اللغوية الكبيرة لدراسة الديناميكيات الاجتماعية المعقدة.
تقترح هذه الورقة طريقة تقطير التمثيل التمييزي والمتسق (DCD)، وهي طريقة تعزز تقطير المعرفة من خلال الجمع بين التمييز النوعي التبايني وبين حد التنظيم المتسق ومعلمات قابلة للتعلم لتحقيق أداء تنافسي في مهام التصنيف والكشف مع القضاء على الحاجة إلى بنوك ذاكرة خارجية وتقليل العبء التدريبي.
تجادل هذه الورقة بأن الادعاءات القائلة باجتياز النماذج اللغوية الكبيرة لاختبار تورينج سابقة لأوانها، حيث كشف تطبيق صارم وغير مقيد للعبة التقليد الأصلية الخاصة بتورينج أن الحكام البشر استطاعوا بسهولة التمييز بين الذكاء الاصطناعي والإنسان، على خلاف الدراسات السابقة التي ربما استخدمت حدوداً زمنية أقصر.
تقدم الورقة البحثية LFAR، وهي بنية مبتكرة تعمل على تحسين التكيف متعدد الوسائط للنماذج اللغوية من خلال الاستفادة من ديناميكيات التجريد والتحسين عبر الطبقات عبر دمج الوسائط المتأخر، والانشطار المتأخر مع البواقي الانتباهية، وآليات الوصول الانتقائي، مما يؤدي إلى تعزيز المحاذاة عبر الوسائط، وأداء الاستدلال، وفك التشفير بكفاءة عند الخروج المبكر.
تقدم الورقة البحثية LEGO-Puzzles، وهو معيار لتقييم قدرات الاستدلال المكاني متعدد الخطوات لنماذج اللغات الكبيرة متعددة الوسائط (MLLMs) من خلال مهام أولية وتخطيط التجميع، كاشفةً أن حتى أقوى النماذج لا تزال أداؤها ضعيفاً بشكل ملحوظ مقارنة بالبشر وتكافح للحفاظ على الدقة مع زيادة تعقيد التخطيط.
يُعد TreeHop إطار عمل مبتكرًا على مستوى التضمين (embedding-level) للإجابة على الأسئلة متعددة القفزات (multi-hop) ولا يعتمد على النماذج اللغوية الكبيرة (LLM-free)، حيث يقوم ديناميكيًا بدمج المعلومات الدلالية من الاستعلامات السابقة والمستندات المسترجعة لتبسيط عملية الاسترجاع، محققًا أداءً يضاهي الأساليب المتطورة مع تقليل التكاليف الحسابية وزمن الاستجابة بشكل جذري.