26898 ورقة بحثية
تقدم هذه الورقة البحثية منهجية "تعظيم قيمة البيانات المقيدة" (CDVM)، وهي نهج مبتكر يصيغ عملية تقليم البيانات كمسألة تحسين مقيدة لتعظيم تأثير النموذج بفعالية مع معاقبة المساهمات المفرطة لكل اختبار، مما يؤدي إلى التفوق على الطرق التقليدية القائمة على قيم شابلي في سيناريوهات البيانات المنخفضة.
تقترح هذه الورقة وتتحقق أولياً من نهج جديد يسخر النماذج اللغوية الكبيرة لتوليد مواصفات باللغة الطبيعية وإجراء التحقق التركيبي للأكواد، بهدف منع إنتاج تنفيذات معرضة للثغرات دون الاعتماد على لغات رسمية جامدة.
تُعد SOMA إطار عمل فعال لخدمة النماذج اللغوية الكبيرة متعددة الأدوار، حيث تعمل على تقليل زمن الاستجابة والتكلفة عبر استخدام نموذج كبير في البداية لتحديد التباينات الدلالية، ثم تكييف نموذج بديل أصغر عبر المطالبات الناعمة وضبط دقيق محلي باستخدام تقنية LoRA للتعامل مع بقية المحادثة مع وجود بوابة سلامة لضمان الجودة.
تقدم الورقة البحثية "Tenure"، وهو وكيل محلي أول (local-first proxy) يستبدل البحث عن التشابه الدلالي بنظام إدارة حالة اعتقاد مهيكل ومعرّف (structured, typed belief state management system) لتحقيق دقة مثالية في استرجاع ذاكرة النماذج اللغوية الكبيرة عبر الجلسات من خلال التعامل مع الذاكرة كمسألة إدارة حالة بدلاً من كونها مسألة بحث.
تقدم الورقة البحثية UG-TTT، وهو إطار عمل للاكتشاف في وقت الاختبار يستفيد من مجموعة من المهايئات منخفضة الرتبة لقياس عدم اليقين المعرفي لكل رمز عبر المعلومات المتبادلة، مستخدماً هذه الإشارة كمكافأة استكشاف لتوجيه النماذج اللغوية الكبيرة نحو حلول علمية مبتكرة حقاً مع تجنب عثرات التعلم المعزز القياسي التي تفضل الأنماط المألوفة.
تقترح هذه الورقة مجموعة جديدة من المستلزمات لمعايير قياس كشف الهلوسة، وتحدد الفجوات الحرجة في مجموعات البيانات الحالية فيما يتعلق بسيناريوهات استرجاع المعلومات المعزز بالتوليد (RAG) ذات السياق الطويل وضجيج التسمية الواقعي، وتقدم معيار TRIVIA+ مفتوح المصدر لمعالجة هذه القيود مع تقديم رؤى جديدة حول أداء طرق الكشف الحالية.
من خلال تحليل أكثر من مليون استعلام بحث حقيقي من واقع العالم باستخدام التعلم الآلي المتقدم، تكشف هذه الورقة أن البحث الجغرافي المكاني عبر الويب تهيمن عليه الاحتياجات العملية والمعاملاتية مثل التكاليف وساعات العمل التي تتجاوز بكثير نطاق نظم المعلومات الجغرافية التقليدية، مما يستدعي الدعوة إلى بنيات استرجاع هجينة ومعايير مرجعية محدثة للاستدلال الجغرافي في النماذج اللغوية الكبيرة.
تقدم هذه الورقة البحثية ZeNO، وهو إطار عمل خالٍ من التدرج (gradient-free) يعمل على تحسين الضجيج في النماذج التوليدية عبر صياغته كمسألة تحكم بالتكامل المساري (path-integral control)، مما يتيح محاذاة فعالة للمكافأة لكل من المولدات العشوائية والحتمية دون الحاجة إلى الانتشار العكسي (backpropagation).
تقترح هذه الورقة إطار عمل للتحقق يستند إلى خبرة الخبراء لتقييم فعالية ومخاطر استخدام النماذج اللغوية الكبيرة في استخراج العلاقات السببية من منشورات وسائل التواصل الاجتماعي غير الرسمية المتعلقة بالكوارث، وذلك عبر مقارنة مخرجات النموذج مع الرسوم البيانية المرجعية لتحديد ما إذا كانت العلاقات المستخرجة قائمة على الأدلة أم مدفوعة بالمعلومات المسبقة للنموذج.
إن CVEvolve هو نظام وكيل ذاتي التشغيل، لا يتطلب كتابة أكواد برمجية، يستفيد من النماذج اللغوية الكبيرة واستراتيجية بحث متعددة الجولات لاكتشاف وتحسين خوارزميات معالجة البيانات العلمية بشكل مستقل، مما يمكن علماء المجالات من تحليل البيانات المعقدة وغير المهيكلة بفعالية دون الحاجة إلى خبرة واسعة في البرمجة.