11158 ورقة بحثية
تقيم هذه الدراسة جدوى وعدالة ومتانة النموذج الزمني لاستخدام نموذج GPT-4o-mini بنظام التعلم الصفري للتنبؤ بتقزم الأطفال في بنغلاديش، حيث وجدت أنه على الرغم من تحقيقه دقة مماثلة وحساسية أعلى من خط الأساس الخاضع للإشراف مع أداء مستقر بمرور الوقت، إلا أنه يظهر تفاوتات كبيرة في العدالة عبر فئات الإقامة والثروة تستدعي الحذر قبل النشر في مجال الصحة العامة.
تتناول هذه الورقة التحدي غير المستكشف كفايةً المتمثل في التحقق من هوية المؤلف للغة الألمانية المنطوقة من خلال تقييم عشر طرق على نصوص الفيديو، حيث وجدت أن أساليب الـ n-gram التقليدية القائمة على الحروف والرموز (tokens) تتفوق على النماذج الحديثة القائمة على المحولات (transformers) بدقة تصل إلى 88%.
تُظهر هذه الورقة أن النماذج اللغوية الكبيرة تُبدي توافقاً داخلياً أعلى بكثير فيما بينها مقارنة بالقراء البشر، مما يكشف أن مخرجات النماذج قد أصبحت متجانسة بفعل تدريبها وبنيتها بدلاً من أن تعكس إجماعاً بشرياً حقيقياً.
تقدم هذه الورقة البحثية طريقة PTP، وهي طريقة "الصندوق الأسود" لإعادة بناء المطالبات بدقة تقارب المطابقة عبر تدريب نموذج لغوي عكسي صريح من الصفر باستخدام التنبؤ بالرمز السابق على بيانات اصطناعية تم إنشاؤها بواسطة النموذج اللغوي الكبير المستهدف، متفوقة بذلك على أساليب إعادة البناء الدلالي السابقة في الدقة والقابلية للنقل.
تُقيّم هذه الورقة البحثية مقايضات التكميم (quantization) لنماذج الترجمة الآلية على وحدات معالجة رسومية (GPUs) منفردة، كاشفةً أن الجمع بين استراتيجيات تقسيم المستند إلى أجزاء (document-chunking) وتنسيقات تكميم محددة يُحسّن كفاءة زمن الاستجابة والإنتاجية، مع تسليط الض الضوء على فشل المعايير القياسية في رصد تدهور الجودة في سيناريوهات السياق الطويل، لا سيما بالنسبة لعائلة نماذج EuroLLM الحساسة.
تقدم الورقة البحثية "تضمينات المطالبات الافتراضية" (HyPE)، وهو إطار عمل يقوم بحساب المطالبات الافتراضية مسبقاً أثناء عملية الفهرسة لسد فجوة الأسلوب بين الاستعلامات والمستندات في أنظمة التوليد المعزز بالاسترجاع، مما يؤدي إلى تحسين دقة واستدعاء الاسترجاع بشكل كبير دون إضافة أي تأخير في وقت التشغيل.
تقدم هذه الورقة نموذج تقييم منفصل للكشف عن فجوة كبيرة بين قدرة وكلاء النماذج اللغوية الكبيرة على استرجاع تفضيلات المستخدم وقدرتهم على التصرف بناءً عليها، حيث وجدت أنه بينما تساعد بنيات الذاكرة، إلا أن الاستخدام يظل ضعيفاً بشكل حرج في المجالات عالية المخاطر مثل الصحة والعلاج النفسي.
تُظهر هذه الورقة أنه في البيئات الاصطناعية حيث تتعارض الأدلة الرصدية والتدخلية، فإن قدرة النموذج اللغوي على استنتاج الاتجاه السببي لا تتحدد بمزيج بيانات التدريب، بل يتم تبديلها ديناميكيًا بالتشغيل أو الإيقاف بناءً على نوع الأدلة الموجودة في سياق الاستدلال، حيث تعمل الإشارات الرصدية بنشاط على كبح قدرات الاستدلال السببي الكامنة لدى النموذج.
تقدم هذه الورقة البحثية معيار "التقييم لإعادة كتابة التأليف" (ARB) لتوضيح أن كواشف النصوص المعتمدة على الذكاء الاصطناعي القياسية، رغم فعاليتها في تحديد النصوص المولدة مباشرة بواسطة النماذج اللغوية الكبيرة، تعاني من انخفاض حاد في الأداء (بواقع 60 إلى 78 نقطة مئوية) عند اكتشاف النصوص التي كتبها بشر ثم أعيدت كتابتها بواسطة نموذج لغوي كبير، مما يكشف عن فجوة حرجة في منهجيات التقييم الحالية.
تقدم الورقة البحثية "FriendBench"، وهو معيار لقياس مدى القدرة على استنتاج الألفة الثنائية من مقاطع فيديو لكسر الجليد مدتها 20 ثانية، والتي كشفت أنه في حين تضاهي النماذج متعددة الوسائط الرائدة دقة البشر، إلا أنها تعتمد على إشارات مختلفة وتظهر انحيازاً لتصنيف الأزواج كغرباء، بينما يستفيد البشر بشكل فريد من الإشارات السلوكية المرئية التي تتجاوز الكلام.