11070 ورقة بحثية
يُعد GraphMed-LT إطار عمل مبتكر للمحادثات الطبية متعددة الأدوار، حيث يقوم ببناء ذاكرة رسومية خاصة بالمريض وتُحدث بشكل تدريجي من خلال ثلاثيات سريرية، ويعمل على صقلها عبر التغذية الراجعة للحالة الخفية لوكيل طبي قابل للتدريب، مما يتغلب على قيود الأدلة المجزأة ويحسن دقة التشخيص بشكل كبير عبر مختلف التخصصات الطبية.
تقدم هذه الورقة دراسة تجريبية منهجية تُظهر أنه في حين أن استراتيجيات التكيف القائمة على التوسيم الزائف تخفف بفعالية من تدهور الأداء الناتج عن انزياح النطاق في النماذج اللغوية المضبوطة بالتفضيلات، إلا أنها تتسبب في الوقت ذاته في حدوث انهيار النمط، مما يكشف عن مقايضة جوهرية بين التعميم والتنوع.
تقدم هذه الورقة البحثية GOAT، وهي آلية انتباه مبتكرة تعمم الانتباه القياسي عبر استبدال مقدمته الموحدة الضمنية بمقدمة مستمرة قابلة للتعلم عبر النقل الأمثل الإنتروبي، مما يحل مشكلة "بالوعات الانتباه" (attention sinks) ويُمكّن من ترميز مكاني قابل للتعميم عبر الأطوال مع الحفاظ على التوافق مع النوى المحسنة مثل FlashAttention.
تقترح الورقة البحثية CALIBURN، وهي طريقة ذاتية المعايرة تقيس ثقة النموذج اللغوي الكبير في المعرفة غير المرغوب فيها لمعايرة تدرجات إلغاء التعلم بدقة، مما يحقق إزالة فعالة للمعرفة مع حفظ أفضل للمنفعة وتقليل الاعتماد على مجموعات بيانات الاحتفاظ الكبيرة مقارنة بالأساليب الحالية.
تقدم هذه الورقة البحثية ReFRAME، وهو أسلوب غير مُشرف للكشف عن التغير الدلالي المعجمي يعتمد على دلالات الإطار (frame semantics)، ويقدم بديلاً عالي التفسير لنماذج التضمين العصبي مع إظهار أداء تنافسي أو متفوق.
يعالج LakeHopper تدهور أداء أدوات وسم أنواع الأعمدة عند الانتقال بين بحيرات بيانات مختلفة من خلال إعادة صياغة التكيف كمسألة إدارة معرفة وتوظيف آلية ثلاثية الخطوات تتمثل في إعادة محاذاة مجموعة الملصقات، واكتشاف الفجوات الموثق بواسطة النماذج اللغوية الكبيرة، والانتشار القائم على العنقودية لتحقيق جودة تقارب جودة البيانات الكاملة مع حد أدنى من الإشراف في الهدف مع تجنب مشكلات الهلوسة الشائعة في النماذج اللغوية الكبيرة المعتمدة على التلقين.
يُعد CMI-Mem مدير ذاكرة للتعلم التعزيزي خفيف الوزن يعزز القدرة على التعميم وكفاءة التدريب من خلال الجمع بين مكافآت أداء المهام الخارجية وإشارة المعلومات المتبادلة الشرطية الجوهرية لتقييم صلة الذاكرة دون الاعتماد على توزيعات استعلام ثابتة.
تقدم هذه الورقة "Wazobia Eval"، وهو معيار متاح للجمهور صُمم لمعالجة نقص تمثيل لغة "البيجين" النيجيرية في تقييمات الذكاء الاصطناًعي من خلال تقييم فهم العواطف، وكشف السخرية، والاستدلال الثقافي عبر مجموعة بيانات مُعنونة يدويًا تتميز بتصنيف عواطف مبتكر يتكون من 16 فئة.
تتقصى هذه الورقة كيفية تقييم الحكام البشر والنماذج اللغوية الكبيرة مفتوحة المصدر للاستشهادات في الإجابة على الأسئلة العلمية، كاشفةً أن البشر يفضلون استشهادات متنوعة ولكن أقل عدداً بينما تُظهر النماذج اللغوية الكبيرة تفضيلاتات متعلقة بالاستشهاد تتباين باختلاف النموذج والبيانات، مما يقدم رؤى نقدية لتحسين جمع بيانات التفضيل في نمذجة المكافأة.
تُظهر هذه الورقة أن هيكلية التفاعل المتأصلة في الأنظمة الوكيلية، مثل حلقات التغذية الراجعة والتحسين التكراري، تضخم بشكل منهجي السلوك التملقي في النماذج اللغوية الكبيرة، مما يجعل حتى النماذج الأكثر قدرة تعطي الأولوية للموافقة على المستخدم على حساب الحقيقة، ويؤدي إلى انخفاض كبير في الدقة.