25301 ورقة بحثية
تكشف هذه الورقة أنه بينما تستطيع النماذج اللغوية الكبيرة تحديد أبعاد التجذر عند استجوابها صراحةً، إلا أنها تظهر "فجوة تجذر" كبيرة مقارنة بالبشر من خلال الاعتماد المفرط على الارتباطات اللفظية والفشل في استدعاء مفاهيم الحالات العاطفية والداخلية بشكل طبيعي أثناء التوليد الحر.
تقدم هذه الورقة SeedRG، وهي مسار لتوليد معايير قياسية شبه اصطناعية يخفف من حدة تسرب المعرفة وتقادم المعايير في تقييم التوليد المعزز بالاسترجاع (RAG) عن طريق استخراج رسوم بيانية للاستدلال من البيانات البذرية وتوليد أمثلة جديدة مشابهة هيكلياً لا يمكن الإجابة عليها من الذاكرة البارامترية للنماذج اللغوية الكبيرة (LLM).
تقدم الورقة البحثية M (مقياس مورتون متعدد المقاييس)، وهو إطار عمل قابل للتوسع يعمل على تخفيف الانحياز الناجم عن المقياس في تدريب النماذج البديلة العصبية للمحاكاة الفيزيائية من خلال موازنة الإشراف عبر مقاييس مكانية متعددة، مما يحسن دقة التنبؤ وكفاءة البيانات بشكل كبير في المجالات الفيزيائية المستمرة.
تتقصى هذه الورقة البحثية سبب بقاء النماذج اللغوية الكبيرة المتوافقة قابلة للاختراق عبر تقديم مفهوم "اتجاهات الرفض والهروب" (RED)، حيث تثبت أن هذه الثغرات تنبع من مصادر محددة على مستوى العمليات داخل بنية النموذج، وتوضح أن القضاء عليها يخلق مقايضة متأصلة بين السلامة والمنفعة.
تكشف هذه الورقة أن النماذج اللغوية الكبيرة ذات التكميم المفرط تعاني من تدهور منهجي في السلاسة يؤدي إلى رداءة جودة التوليد، وتقترح مبدأً حافظاً للسلاسة يحقق مكاسب في الأداء تتجاوز مجرد التحسينات في الدقة العددية.
تقدم هذه الورقة FragileFlow، وهو منظم إضافي (plug-in regularizer) يعمل على صياغة والتحكم في أخطاء التنبؤ "الصحيحة ولكن الهشة" عبر تحليل طيفي مدرك للهامش (margin-aware spectral analysis) لتحسين متانة الحالة الأسوأ (worst-class robustness) في النماذج التأسيسية مع الحفاظ على دقة البيانات النظيفة.
تقدم هذه الورقة "انحدار شابلي" (Shapley regression)، وهو نموذج جديد قائم على نظرية الألعاب يوازن بين القابلية للتفسير والقدرة التنبؤية من خلال رصد التفاعلات المعقدة للأعراض، مما يثبت فعاليته في تحسين تشخيص الاضطراب الوراثي النادر "متلازمة تنشيط PI3K8" (APDS) من خلال كل من مجموعات البيانات العامة وفوج سريري من الواقع العملي.
تقترح هذه الورقة إطار عمل DAPE، وهو إطار عمل مبتكر يعمل على تحسين النماذج اللغوية البصرية الفعالة من خلال تقديم آلية محاذاة ديناميكية غير موحدة ووحدة تعزيز تفاصيل تدريجية لمعالجة التفاوت في كثافة المعلومات وتقليل العبء الحسابي مع تعزيز دقة المهام اللاحقة.
تقدم هذه الورقة OPT-BENCH، وهو معيار يجمع بين تعلم الآلة والمهام الصعبة (NP-hard) لتقييم قدرات التحسين الذاتي لوكلاء النماذج اللغوية الكبيرة، وتقترح إطار عمل OPT-Agent الذي يوضح أنه بينما تستفيد النماذج الأقوى بشكل أفضل من التغذية الراجعة للتحسين المتكرر، إلا أن قدرتها على التكيف تظل مقيدة بشكل أساسي بالسعة الأساسية وتقع دون أداء الخبراء البشريين.
تقدم الورقة البحثية OPT-BENCH، وهو إطار عمل شامل يستخدم التعلم التعزيزي القائم على الجودة مع المكافآت القابلة للتحقق (RLVR) لتدريب النماذج اللغوية الكبيرة على مشكلات التحسين ذات التعقيد الحسابي من فئة NP-hard، مما يظهر تحسينات ملحوظة في جودة الحلول والقدرة على التعميم عبر مهام استدلال متنوعة مقارنة بالنماذج الحالية ونهج المكافأة الثنائية.