11158 ورقة بحثية
تقدم هذه الورقة ProverbIT، وهو معيار تقييم للأمثال الإيطالية يكشف أن النماذج اللغوية الكبيرة تواجه صعوبة في التمييز بين نهايات الأمثال الصحيحة والمرادفات الحرفية في مهام الاختيار من متعدد، مما يشير إلى أن أداءها يعتمد على الأنماط المحفوظة أكثر من الفهم الدلالي العميق للغة المجازية المتجذرة ثقافياً.
تقترح هذه الورقة إطار عمل تقييمي قابل للتوسع لتقييم وتشخيص الفشل المستمر لنماذج تحويل النص إلى صورة في تفسير التشبيهات بشكل صحيح، مما يكشف عن فجوة بين فهم اللغة المجازية والتجسيد البصري من خلال مجموعات بيانات محكومة، ومقاييس كشف تلقائية، وتحليل لطبقات الترميز.
تقدم الورقة البحثية InsightEmb، وهو إطار عمل للتمثيل التبايني (contrastive embedding framework) يتعلم هندسة استرجاع قابلة للنقل وموجهة نحو التقدم من بيانات الاستدلال الرياضي لتمكين الوكلاء من استرجاع رؤى قابلة للتنفيذ بفعالية تحل اختناقات اتخاذ القرار عبر مجالات متنوعة دون الحاجة إلى تدريب خاص بالبيئة.
تثبت هذه الورقة أن مسألة الوصول لأنظمة إضافة المتجهات المتناظرة في البعد الثالث هي مسألة صعبة من فئة PSPACE، مما يحسم التعقيد الدقيق لمسألة الوصول لـ 3-VAS و 4-VAS باعتبارها مكتملة لـ PSPACE.
تقدم الورقة البحثية "Skill-Use"، وهو معيار تقييمي يختبر ما إذا كان بإمكان وكلاء النماذج اللغوية الكبيرة التعرف بشكل مستقل على المهارات المهيكلة وتطبيقها بشكل صحيح في بيئات معزولة، مما يكشف أن الاستخدام الموثوق للمهارات لا يزال يمثل تحديًا كبيرًا يعتمد بشكل كبير على حاصرة الوكيل (agent harness) المحددة بدلاً من كونه قدرة متأصلة في النموذج.
تقدم هذه الورقة Slang-Q، وهي مجموعة بيانات وتصنيف تم تنسيقهما يدويًا لـ 118 مصطلحًا من المصطلحات العامية لمجتمع الكوير (queer)، لتقييم قدرة النماذج اللغوية على فهم وتعريف هذه اللغة الخاصة بهذا المجتمع غير الممثل كفاية بدقة.
يُعد A-SR إطار عمل وكيلًا ذاتي التطور يعزز الانحدار الرمزي عبر استبدال حلقات الاقتراح الموحدة بتنسيق هرمي مشروط بالأدوار وتوجيه ذاكرة تكيفي، محققًا تحسينات كبيرة في الدقة مقارنة بالطرق الحالية الموجهة بنماذج اللغات الكبيرة في كل من مهام الاكتشاف العلمي الاصطناعية والواقعية.
تكشف هذه الدراسة أن نماذج الرؤية واللغة تظهر عدم استقرار تشخيصي وانحيازاً مفرطاً كبيراً تحت تأثير الاضطرابات البصرية والنصية في تحليل رنين الدماغ المغناطيسي، مما يثبت أن مقاييس الدقة القياسية تفشل في رصد إخفاقات الموثوقية الحرجة اللازمة للنشر السريري الآمن.
تكشف هذه الورقة أن الندرة الشديدة في تقديرات الثقة اللفظية في النماذج اللغوية الكبيرة تؤثر بشكل حرج على مقاييس التقييم مثل AUARC اعتماداً على طرق الاستيفاء، وتقترح نهج "الاحتمالات اللوغاريتمية للفظ" (verbalization logprobs) الخالي من التكلفة والذي يخفف من هذه الندرة لتحقيق أداء متفوق وأكثر عدلاً في التصنيفات.
تقدم هذه الورقة CoCoEvolve، وهو إطار عمل للتعلم الذاتي غير الخاضع للإشراف يعزز الفهم المتبادل بين التمثيلات المختلفة للمخططات والجداول والأكواد من خلال تحديد توافقات صريحة بنسبة واحد لواحد وتحسين الاتساق عبر عملية تطور مشترك أثناء التدريب والاستدلال على حد سواء، مما يلغي الحاجة إلى التوسيمات المكلفة مع تحسين الأداء عبر معايير قياس متعددة.