11158 ورقة بحثية
تقترح الورقة البحثية DuPLeR، وهو إطار عمل للاستنتاج عبر نماذج اللغات الكبيرة ثنائي المسار يدمج الأوليات المستمدة من نماذج اللغات الكبيرة متعددة الوسائط مع هياكل الرسوم البيانية الواقعية لتحقيق إكمال قوي لرسوم المعرفة في سياق التعلم بلقطات قليلة، وذلك من خلال التخفيف من الضجيج وتعزيز تمثيلات الكيانات عبر رسوم بيانية علاقاتية معايرة واستدلال هيكلي ثنائي المستوى.
تقدم الورقة البحثية Latent-IM، وهو إطار عمل يستعيد إدارة الحوار الصريحة داخل النماذج اللغوية الكبيرة للخطاب من خلال فصل اختيار الحركة الحوارية وتحقيقها إلى تمثيلات كامنة داخلية، مما يحسن دقة الحركة بشكل كبير دون الحاجة إلى الضبط الدقيق الكامل.
تقدم هذه الورقة CreditCardQA، وهو معيار للثقافة المالية يعتمد على اتفاقيات بطاقات الائتمان الحقيقية، وتوضح أنه بينما يحسن أسلوب "البرمجة عبر التفكير" (Program-of-Thought) الأداء عبر النماذج اللغوية، فإن إخفاقاتها الأساسية تنبع من سوء تفسير القواعد التعاقدية والحالات الاستثنائية بدلاً من الأخطاء الحسابية، وهو ما يؤثر غالباً بشكل غير متناسب على الأفراد المستضعفين مالياً.
تقدم هذه الورقة البحثية TREK، وهو معيار مرجعي صارم وقابل لإعادة الإنتاج بالكامل يتميز بمقيّم حتمي ومجموعة بيانات سفر اصطناعية واسعة النطاق لتقييم قدرة وكلاء النماذج اللغوية الكبيرة على إنشاء مسارات رحلات قابلة للتنفيذ ومتوافقة مع القيود، مما يكشف أن حتى النماذج الأكثر تطوراً تعاني بشكل كبير مع التخطيط متعدد القيود وتلبية احتياجات المستخدم غير المصرح بها.
تقدم الورقة البحثية OptimismBench، وهو إطار عمل مبتكر يستخدم أزواج النجاح/الفشل المعكوسة للكشف عن الانحياز الاتجاهي المنهجي في النماذج اللغوية الكبيرة، كاشفةً أن معظم النماذج تظهر "ميلًا نحو التفاؤل" مدفوعًا بمرحلة ضبط التوافق ما بعد التدريب بدلاً من بنية النموذج أو اللغة.
تقدم هذه الورقة "سيتوكا" (Setoka)، وهو معيار مرجعي مبتكر يستند إلى علم النفس المعرفي والشخصي لتقييم قدرة الوكلاء المخصصين على إجراء فهم هرمي للمستخدم — من الذاكرة الدلالية والمنعكسة إلى أنماط السلوك والسمات الشخصية — عبر بيانات غير متجانسة، كاشفةً عن أن الأنظمة الحالية تعاني بشكل كبير في المهام التي تتطلب دمج وتجريد المعلومات طويلة الأمد المجزأة بما يتجاوز مجرد استرجاع الحقائق البسيطة.
تقدم هذه الورقة البحثية "التقطير القائم على التوجيه في السياسة الموحدة" (ROPD)، وهو إطار عمل مبتكر يعزز سلامة النماذج اللغوية الكبيرة من خلال نمذجة تباعد توزيع المخرجات بدلاً من قوالب المطالبات المحددة، مما يحقق دفاعاً قوياً ضد عدم تطابق القوالب وإعادة كسر الحماية مع الحفاظ على المهارات المتخصصة.
تطور هذه الورقة إطاراً رياضياً يوضح أنه في حين يمكن للكتابة بمساعدة النماذج اللغوية الكبيرة أن تعزز الوضوح، فإن الاعتماد الواسع على النماذج المشتركة ينطوي على مخاطر خلق "أحادية ثقافية لغوية" من خلال تقليل التنوع اللغوي على مستوى السكان، وهي مشكلة يمكن التخفيف من حدتها من خلال النماذج الشخصية والموازنات الاستراتيجية بين الامتثال والتميز.
تقدم هذه الورقة OmegaUse-OfficeVal، وهو معيار مرجعي جديد يتكون من 100 مهمة من مهام حزمة المكتب طويلة الأمد ذات أسس اقتصادية (وقت العمل البشري وسعر المهمة) لتقييم وكلاء النماذج اللغوية الكبيرة، كاشفةً أنه في حين أن النماذج الحالية أرخص وأسرع بكثير من البشر، إلا أنها لا تزال تقصر عن تحقيق مستوى الجودة البشرية في إنجاز المهام.
يُعد APEX-Accounting معياراً مرجعياً جديداً طورته كل من Mercor وRamp لتقييم النماذج الرائدة في مهام المحاسبة الواقعية، كاشفاً أن النماذج الحالية ذات الأداء العالي تحقق معدلات نجاح متواضعة وتُظهر مفارقة سيمبسون حيث ترتبط ميزانيات الرموز (tokens) المتزايدة بارتفاع الدرجات الإجمالية ولكن بأداء أقل في مهام محددة عالية التكلفة.