24509 ورقة بحثية
تقدم هذه الورقة GlobalDentBench، وهو أول معيار مرجعي لطب الأسنان متعدد الجنسيات يضم 8,978 سؤالاً تم التحقق من صحتها من قبل خبراء عبر 14 تخصصاً وثلاثة مستويات من الاستنتاج، والذي يكشف أن النماذج اللغوية الكبيرة الحالية تظهر تدهوراً كبيراً في الأداء في الاستنتاج السريري المعقد وتشكل مخاطر سلامة جسيمة، بما في ذلك معدل 31.01% من التوصيات غير الآمنة.
تقدم هذه الورقة شبكة البوابات المنطقية الثلاثية المتكررة والقابلة للتفاضل (R-DTLGN)، وهي بنية مبتكرة تتعلم التنبؤ بأحكام المنطق الزمني الإشاري مع توفير ضمانات رسمية للديناميكيات المستقرة والامتناع المبدئي تحت ظروف تدهور المستشعرات من خلال العمل عبر منطق كليين ثلاثي القيم واستخلاص حجم الشبكة مباشرة من بنية الصيغة الزمنية.
تجادل هذه الورقة بأن الانتقال من النشر القائم على الاستدلال فقط إلى الدمج الليلي القائم على الأوزان عبر تقنية LoRA يتفوق بشكل كبير على التكثيف المتتالي القائم على نافذة السياق في الاحتفاظ بمعرفة المستخدم، بينما تثبت أيضاً أن وسيط الإنتروبيا المتقاطعة لكل رمز هو مقي المقاييس الأكثر موثوقية للدقة مقارنة بالمتوسط.
تقدم هذه الورقة مقياساً مصححاً للاحتمالية يسمى "البتات فوق العشوائية" (Bits-over-Random - BoR) لتحسين عدد الأدوات المقدمة لوكلاء النماذج اللغوية الكبيرة ديناميكياً، حيث تثبت من خلال التعلم التعزيزي أن القوائم المختصرة التكيفية تحسن دقة اختيار الأدوات وتغطيتها بشكل كبير مقارنة بالنهج ثابت الحجم عبر اختبارات معيارية متنوعة.
تقدم هذه الورقة إطاراً سلوكياً موحداً متعدد الأبعاد يقيم استدلال النماذج اللغوية الكبيرة عبر ستة أبعاد متميزة — الصحة، والاتساق، والمتانة، والتماسك المنطقي، والكفاءة، والاستقرار — للكشف عن رؤى نقدية ومنع أخطاء التصنيف التي تغفلها مقاييس الدقة التقليدية التي تقتصر على الدقة فقط.
تُظهر هذه الورقة أن الوسيط للإنتروبيا المتقاطعة (median cross-entropy) غالباً ما يتفوق على المتوسط المعتاد للإنتروبيا المتقاطعة (mean cross-entropy) في تتبع جودة النماذج اللغوية عبر سيناريوهات مثل تعلم الحقائق الاصطناعية وتقطير الـ K-الأعلى (top-K distillation)، وذلك لأنه يرتبط بشكل أفضل بالأداء في المهام من خلال التركيز على كتلة التوزيع بدلاً من التأثر بالقيم المتطرفة في الذيول.
تُعد VaaWIT إطار عمل متكاملًا يعزز ترجمة صور الويب متعددة اللغات من خلال دمج وحدة انتباه ثنائية المسار ومهايئ مدرك بصريًا لسد الفجوة في التمثيل البصري لدى النماذج اللغوية الكبيرة، محققةً أداءً هو الأفضل في فئته باستخدام الضبط الدقيق الموفر للمعلمات.
تقدم هذه الورقة إطار عمل شفافاً قائماً على الميزات، يستفيد من الخصائص الإدراكية للكلام والتعلم الآلي القابل للتفسير لتحديد الارتباطات المستقرة بين الأنماط الصوتية واللغوية وشدة الاكتئاب والقلق واضطراب نقص الانتباه مع فرط النشاط عبر كل من المعايير المرجعية المنضبطة والبيانات السريرية الواقعية.
تقترح الورقة البحثية إطار عمل Mix-MoE، وهو إطار عمل "خليط من الخبراء" (Mixture-of-Experts) ثنائي المراحل يفصل بين خبراء النماذج اللغوية وخبراء الترجمة الآلية ويستخدم توجيهاً معززاً بتحويل فوريه للتخفيف بفعالية من تداخل المعلمات وتحسين أداء الترجمة الآلية متعددة اللغات بشكل كبير في النماذج اللغوية الكبيرة.
تقدم الورقة البحثية SUPRA، وهي بنية ثنائية المسار مفككة تعالج مشكلة انقلاب الأداء في تعلم الرسوم البيانية متعدد الوسائط الناتجة عن "معضلة التجميع" للنماذج التأسيسية الضخمة، وذلك عبر فصل معالجة الميزات غير المرتبطة بالبنية الطوبولوجية عن التآزر الهيكلي خفيف الوزن، مما يحقق نتائج هي الأفضل في فئتها مع تقليل الذاكرة ووقت التدريب بشكل كبير.