25254 ورقة بحثية
تقترح هذه الورقة مخطط نظرية عقل بايزي (Bayesian Theory-of-Mind) قابلاً للتوسع، يستفيد من التحكم من الضعيف إلى القوي لتمكين النماذج اللغوية الأصغر من توجيه النماذج الأكبر في تفكيك الاستدلال متعدد الوسائط المعقد إلى تحديثات بايزية خطوة بخطوة، محققةً دقة هي الأفضل في حالتها في استنتاج الحالات الذهنية البشرية.
تقترح هذه الورقة إطاراً سببياً لنمذجة المكافأة في مجال محاذاة الذكاء الاصطناعي لمعالجة تحديات مثل الخطأ في تحديد المسببات والارتباطات المربكة، مبرهنةً على كيفية قدرة النهج المستوحاة من السببية على تحسين متانة النموذج وتعميمه مقارنة بالأساليب الساذجة.
تقترح الورقة البحثية إطار عمل COPE، وهو إطار تعاون في وقت الاختبار حيث تعمل النماذج اللغوية الصغيرة والكبيرة بالتناوب كمخططين ومنفذين في تسلسل متعدد المراحل، مما يحقق أداءً يضاهي النماذج الضخمة المملوكة مع تقليل تكاليف الاستدلال بشكل جذري.
تقدم هذه الورقة البحثية تقطير بلاكيت-لوس (PLD)، وهو فقدان ترتيب قائم على القوائم ونظري الاختيار، يفسر لوجيتات المعلم كدرجات استحقاق لتحسين ترتيب واحد أمثل للمعلم بشكل مباشر، مما يلغي الحاجة إلى ضبط أوزان التقطير مع تحقيق مكاسب أداء متسقة عبر مجموعات بيانات وبنيات متنوعة.
تقدم هذه الورقة "درجة استقطاب النخبة"، وهي نهج قياس مبتكر وقابل للتوسع باستخدام النماذج اللغوية الكبيرة لتقدير التقييمات المتبادلة العدائية بين النخب السياسية في الخطابات البرلمانية، مما يثبت صلاحيتها وتميزها عن المقاييس الحالية عبر المملكة المتحدة والمجر وإيطاليا.
تقترح هذه الورقة دفاعاً مُثبتاً لمقاومة التزوير للذكاء الاصط์ناعي التوليدي يقوم بعشوائية اختيار مفتاح العلامة المائية ولا يقبل المحتوى إلا إذا تم اكتشافه بواسطة مفتاح واحد بالضبط، مما يخفف بفعالية هجمات التزوير دون تقليل فائدة النموذج أو زيادة الأعباء الحسابية.
تقدم هذه الورقة البحثية MECAT، وهو معيار مرجعي مبني على تعدد الخبراء يتميز بتعليقات توضيحية دقيقة وأزواج أسئلة وأجوبة مفتوحة المجموعة تم إنشاؤها عبر مسار متخصص، إلى جانب مقياس DATE المبتكر المصمم لتقييم ومكافأة الأوصاف الصوتية التفصيلية على حساب الأوصاف العامة، وذلك لتقييم قدرات الفهم الدقيقة لنماذج اللغة والصوت الكبيرة بشكل أفضل.
تُظهر هذه الورقة أن تعقيد المهمة يشكل بشكل أساسي التمثيلات الداخلية ومتانة الشبكات العصبية من خلال الكشف عن أن المهام الصعبة تعتمد على قيم أوزان دقيقة بينما تعتمد المهام السهلة بشكل أساسي على الطوبولوجيا ثنائية التجزئة الموقعة، وهو تميز يتم قياسه بواسطة مقياس فجوة أداء مبتكر بين النماذج كاملة الدقة والنماذج الثنائية أو المبعثرة.
توسع هذه الورقة نطاق التراجع الخوارزمي من التوصيات على المستوى الفردي إلى نظام متعدد إلى متعدد مع قيود السعة عبر نمذجته كمسألة مطابقة ثنائية التجزئة موزونة ومقيدة بالسعة، مقترحةً طبقات تحسين توازن بين الرفاه الاجتماعي الإجمالي والعدالة التوزيعية مع ضمان صحة التراجع في بيئات متعددة أصحاب المصلحة.
تقترح هذه الورقة طريقة جديدة غير خاضعة للإشراف للكشف عن القيم المتطرفة تسمى "غابة تحليل المكونات الرئيسية العشوائية" (Randomized PCA Forest)، والتي تستفيد من الخصائص الجوهرية لتحليل المكونات الرئيسية العشوائي للبحث التقريبي عن أقرب من الجيران لاستخلاص درجات القيم المتطرفة، مما يظهر أداءً فائقاً وكفاءة حوسبية عبر مختلف مجموعات البيانات مقارنة بالأسالهم الكلاسيكية والحديثة.