24509 ورقة بحثية
تُثبت هذه الورقة أنه بالنسبة للإجابة على الأسئلة الثنائية باستخدام النماذج اللغوية الكبيرة، فإن تجميع التفسيرات المتنوعة للأسئلة من نموذج واحد يتفوق باستمرار على تجميع نماذج مختلفة متعددة عند استخدام التصويت بالأغلبية.
تقترح الورقة البحثية إطار عمل STM3، وهو بنية مبتكرة تجمع بين هندسة "م ambitions" (Mamba) متعددة المقاييس وهيكل "خليط من الخبراء" (Mixture-of-Experts) مفكك الارتباط وشبكة سببية رسومية تكيفية لالتقاط التبعيات المكانية والزمانية المعقدة طويلة المدى بكفاءة، محققةً أداءً هو الأفضل في فئته عبر عشر معايير مرجعية واقعية.
تجادل هذه الورقة بأن قياس وتخفيف الاعتماد المفرط على النماذج اللغوية الكبيرة أمر بالغ الأهمية لمنع الأخطاء عالية المخاطر والتدني المعرفي، وتقترح إطارًا لتوحيد المخاطر، ومعالجة فجوات القياس، وتنفيذ استراتيجيات تضمن أن يعزز الذكاء الاصطناعي القدرات البشرية بدلاً من تقويضها.
تقترح الورقة البحثية إطار عمل STEP، وهو إطار هجين لتقليل الرموز يجمع بين دمج الرقع الفائقة الديناميكي والتقليم عبر الخروج المبكر بواسطة سياسة شبكة عصبية تلافيفية خفيفة الوزن، مما يحسن بشكل كبير من الكفاءة الحسابية وإنتاجية نماذج "Vision Transformers" في مهام التجزئة الدلالية عالية الدقة مع حد أدنى من فقدان الدقة.
تقدم الورقة البحثية DeFacto، وهو إطار عمل للاستدلال القائم على التفكير المضاد يستفيد من مسار توجيهي لغوي لتوليد مجموعة بيانات متخصصة، ويستخدم التعلم المعزز القائم على تحسين السياسة من خلال المكافآت المتعددة (GRPO) مع مكافآت متعددة الأوجه لتحسين كل من دقة الإجابة والاتساق المستند إلى الأدلة في النماذج اللغوية متعددة الوسائط بشكل كبير.
يُعدّ EvalMORAAL إطار عمل شفافاً وقابلاً للتفسير، يقيم التوافق الأخلاقي في 20 نموذجاً لغوياً ضخماً مقابل بيانات استطلاع عالمية، كاشفاً عن ارتباطات قوية إجمالاً ولكن مع فجوة توافق تبلغ 0.21 نقطة بين المناطق الغربية وغير الغربية.
تقدم هذه الورقة InteractScience، وهو معيار مرجعي وإطار تقييم هجين مبتكر صُمم لتقييم قدرة النماذج اللغوية الكبيرة على توليد كود العروض التوضيحية العلمية التفاعلية من خلال الجمع بين الاختبار الوظيفي البرمجي والتحليل النوعي القائم على الرؤية البصرية عبر خمسة مجالات علمية.
تُثبت هذه الورقة أن إعادة البناء المحلي —وهي طريقة فعالة حاسبياً تعمل على تكييف مجموعات فرعية صغيرة من المعلمات لتتطابق مع تنشيطات النموذج الكثيفة— تُمكّن من التكيف الفعال لما بعد التقليم للنماذج اللغوية الكبيرة، مما يكشف عن نظام "وجبة مجانية" حيث تحقق المعايير البسيطة والتحلل المرن جودة عالية من الندرة دون الحاجة إلى إعادة تدريب شاملة مكلفة.
تقدم FineVision أكبر مجموعة بيانات مفتوحة مكونة من 24 مليون عينة من الرؤية واللغة منسقة بدقة، والتي تم إنشاؤها من خلال مسار شبه مؤتمت صارم يوحد أكثر من 200 مصدر مع إشراف بشري للقضاء على التلوث والتكرار، مما يمكن النماذج المدربة على هذه المجموعة من التفوق بشكل كبير على البدائل المفتوحة الحالية.
تقدم هذه الورقة البحثية "تحسين سياسة تقسيم المجموعات" (GCPO)، وهو نهج جديد للتعلم المعزز على مستوى المجموعات (chunk-level) يعمل على التخفيف من عدم دقة إسناد الميزة في مطابقة التدفق عبر تجميع الخطوات المتتالية، مما يحقق مكاسب في الأداء تصل إلى 43% نسبيًا مقارنة بأسلوب "تحسين السياسة النسبية للمجموعات" (GRPO) القياسي في مهام توليد النصوص إلى صور.