11158 ورقة بحثية
تقيم هذه الورقة ما إذا كانت نماذج معالجة اللغات الطبيعية قادرة على تحديد أهداف "التداول الظلي" من خلال تحليل التشابه الدلالي في إفصاحات هيئة الأوراق المالية والبورصات، حيث وجدت عدم وجود ارتباط معنوي بين تحديد الأقران الخوارزمي وعوائد الأسهم غير الطبيعية، مما يتحدى الأساس التجريبي لنظرية إنفاذ القانون الخاصة بهيئة الأوراق المالية والبورصات.
تُظهر هذه الدراسة المرجعية المسجلة مسبقاً أن صياغة الأوامر وتصميم الهيكل التجريبي يرفعان بشكل كبير تكاليف الاستنتاج لوكلاء البرمجة الكبار — غالباً بمعدل يتراوح بين 2.4 إلى 30 ضعفاً — دون تحسين النجاح في المهام، مع كون تعليمات محددة مثل "طوّر مقاربات متعددة" وهياكل تجريبية معينة هي المحركات الأساسية لهذا عدم الكفاءة.
تقدم هذه الورقة البحثية HopRefusalBench، وهو أول معيار اختبار مصمم لتقييم كيفية تعامل الوكلاء المعززين بالبحث مع الأسئلة متعددة الخطوات غير القابلة للإجابة، مما يكشف أنه بينما تستطيع النماذج غالباً تحديد السبب الصحيح لعدم إمكانية الإجابة، إلا أنها تفشل تكراراً في الالتزام بالرفض المناسب، وتلجأ بدلاً من ذلك إلى الهلوسة أو استنفاد ميزانيات البحث.
يُعد EviSD إطار عمل للتقطير الذاتي المشروط بالأدلة، يعمل على تعزيز وكلاء اللغة المعززين بالبحث من خلال الاستفيد من الأدلة على مستوى الحالة والإجابات الذهبية كمعلومات متميزة لتنقية تخصيص الائتمان على مستوى الإجراء أثناء التدريب، مما يحقق أداءً فائقاً عبر معايير قياس متعددة دون تغيير سلوك وقت الاستدلال.
تقيم هذه الورقة البحثية تكوينات مختلفة لنماذج اللغات الكبيرة (LLMs) للتحقق من الادعاءات الطبية الحيوية على معيار CARE-XAI، حيث وجدت أنه في حين تتفوق النماذج التي خضعت لضبط دقيق في توليد الأدلة، فإن تعزيز الاسترجاع يقدم فوائد متباينة اعتماداً على المصدر، كما تقدم أداة Bio-GRACE كأداة تشخيصية جديدة لقياس فائدة الاسترجاع بشكل أفضل بما يتجاوز مقاييس الاستدعاء البسيطة.
يُعد QR-Erase إطار عمل فعال لـ "إلغاء التعلم" (machine unlearning) يعتمد على الفضاءات الجزئية (subspace-based)، حيث يستخدم تحليل QR المحوري وتحديد المواقع في الطبقات لإزالة المعلومات الخاصة بالمهمة بدقة من معاملات النموذج، محققاً بذلك توازناً متفوقاً بين النسيان والاحتفاظ يضاهي الأساليب القائمة على تحليل القيم المفردة (SVD) مع تجنب تكاليفها الحسابية.
تقدم هذه الورقة DunphyBench، وهو معيار جديد لتقييم اتخاذ القرار المتجسد طويل الأمد والمتوافق مع التفضيلات البشرية، وتقترح MeMento، وهو ضاغط ذاكرة مشروط بالتفضيلات يحسن دقة الوكيل بشكل كبير مع تقليل استخدام الذاكرة بشكل جذري من خلال معالجة الاختناقات الناتجة عن السجل متعدد الوسائط الخام.
تقدم هذه الورقة نماذج لغوية متوافقة مع السكان (PALMs)، وهي مجموعة من النماذج المتوافقة مع مجموعات سكانية وطنية محددة عبر الاستفادة من مسوغات قائمة على مفاهيم متعددة لضبط التفضيلات، والتي تتفوق بشكل كبير على النماذج المرجعية الحالية في محاكة القيم الثقافية والمعتقدات والاستدلال الاجتماعي المتنوع دون الحاجة إلى إشراف خاص بالمهام.
تقدم هذه الورقة البحثية خط العمل الخاص بفريق DS@GT ARC لـ BioASQ في المهمة 14b، والذي يدمج التوسع متعدد المصادر للاستعلام، وإعادة الترتيب العصبي، واستراتيجية استرداد الأسئلة الضعيفة المشروطة لتحسين متانة الاسترجاع وأداء MAP@10 بشكل كبير في الاستعلامات الطبية الحيوية الصعبة.
تقدم هذه الورقة البحثية "السؤال يولد سؤالاً" (QbQ)، وهو منهج تعليمي ذاتي التطور يعمل بشكل تكراري على توليد متغيرات للمسائل من نقاط القوة الحالية للنموذج للتغلب على ندرة البيانات ومحدودية مسارات الاستدلال، مما نجح في كسر مستويات الأداء الثابتة في الضبط الدقيق للرياضيات التنافسية عبر تحقيق درجة 16.5% في مقياس pass@1 على اختبار AIME.