24346 ورقة بحثية
تقترح هذه الورقة آليات التعلم المتمحورة حول الإنسان (HCLM)، وهي إطار عمل ديناميكي يصيغ تنظيم الإنتروبيا من خلال "قوة المعلومات الفعالة" لمنع التدرجات المتدهورة، مما يثبت أن بدائل الإنتروبيا الهندسية مثل لوغاريتم محدد التباين تحفز تعلم تمثيل أكثر استقراراً ومتانة في ظل القيود الواقعية.
تقترح هذه الورقة طريقة مبتكرة للكشف عن الهلوسة تستفيد من طوبولوجيا محاذاة الرسوم البيانية كتحيز استقرائي عبر بناء رسوم بيانية ثنائية الأجزاء بين الوثائق المرجعية ومخرجات النماذج اللغوية الكبيرة وتدريب شبكة عصبية رسومية لنمذجة بنية محاذاتها، محققةً أداءً هو الأفضل في فئته عبر مجموعات بيانات متنوعة.
تقدم هذه الورقة مهمة "الاستدلال المتعدي مع الاستثناءات" المبتكرة لدراسة كيفية موازنة أنظمة التعلم بين التعميم العلاقاتي والحفظ، مقدمةً نظرية تحليلية لانحدار كيرن ريدج تتنبأ بحساسيات تمثيلية محددة وأخطاء منهجية، والتي يتم التحقق من صحتها لاحقاً في النماذج اللغوية الضبطية.
تجادل الورقة البحثية بأن اختيار الميزات العشوائي يجب أن يكون بمثابة خط أساس إلزامي لتقييم طرق اختيار الميزات غير الخاضعة للإشراف، حيث أُثبت تجريبياً أن العديد من الأساليب الحديثة تتفوق عليها عملية الاختيار العشوائي في كل من الأداء والكفاءة.
تقدم هذه الورقة تصنيفاً منقحاً لتسعة من "روائح الكود" (code smells) الخاصة بالنماذج اللغوية الكبيرة، وتُقدم أداة SpecDetect4LLM، وهي أداة تحليل سكوني تُظهر دقة واستدعاءً عاليين في اكتشاف مشكلات التكامل هذه عبر 73.5% من أصل 692 مشروعاً مفتوح المصدر تم تحليلها.
تتقصى هذه الورقة ديناميكيات الحفظ لتدريب "الملء في المنتصف" (FIM) المسبق مقارنة بأهداف التدريب القياسية من اليسار إلى اليمين، كاشفةً أنه بينما يتفوق "الملء في المنتصف" في استعادة الفراغات القصيرة أو الجزئية، فإنه يظل معتمداً بشكل كبير على سياق البادئة للاستدعاء الحرفي، ويظهر نمواً خطياً في الحفظ مع تكرار البيانات.
تكشف هذه الورقة أن التدريب في وقت الاختبار (TTT) يستحدث ثغرات جديدة حرجة تسمح للمهاجمين بتجاوز ضوابط السلامة بشكل كبير وزيادة معدلات نجاح عمليات كسر الحماية، مما يستلزم آليات كشف جديدة واستراتيجيات محاذاة ديناميكية للتخفيف من حدة هذه التهديدات الناشئة.
تحلل هذه الورقة ١١٢ دراسة حول الذكاء الاصطناعي الوكيل من أجل الخير الاجتماعي للكشف عن "عدم تماثل أخلاقي-جغرافي" حرج، حيث يغفل الباحثون بشكل متكرر السياق الجغرافي — لا سيما بالنسبة للأهداف المؤسسية مثل الهدف ١٦ من أهداف التنمية المستدامة — ونادراً ما يبلغون عن عمليات النشر في العالم الحقيقي، مما يسلط الضوء على فجوات كبيرة في المساءلة ويقترح معايير إبلاغ جديدة لأنظمة ذكاء اصطناعي أكثر تحديداً للسياق وتشاركية.
تُظهر هذه الدراسة أن التوافق بين الدماغ والنماذج اللغوية الكبيرة عبر اللغات مدفوع أساساً بهيمنة لغة التدريب للنموذج وليس بميزة متأصلة للغة الإنجليزية، مع وجود تباينات متبقية تعكس مسافات تصنيفية حقيقية تؤثر بشكل غير متناسب على المناطق الدماغية النحوية.
تقدم هذه الورقة البحثية "اختيار التضمين الأمثل على مستوى الطبقات" (LOES) و"خسارة التنظيم الهندسي" (GeoReg) لإثبات أن المعلومات ذات الصلة بالمهمة في النماذج التأسيسية العميقة تتوزع بشكل غير رتيب عبر الطبقات، مما يظهر أن التحديد الصريح للتمثيلات الوسيطة المميزة للمهمة والمحاذاة الهندسية لها يتفوق بشكل كبير على نهج نقل التعلم القياسي.