11158 ورقة بحثية
تقدم هذه الورقة طريقة للمقارنة المنهجية بين الصياغات القانونية من خلال حصر وتوصيف الحالات الحدية التي تختلف فيها، مما يكشف أن التشابه الهيكلي لا يضمن الاتساق السلوكي، وأن الصياغات التي تولدها النماذج اللغوية الكبيرة يمكن أن تنتج اختلافات متباينة وذات دلالة قانونية.
بينما يمكن للضبط الدقيق الخاضع للإشراف أن يحسن بفعالية قدرة النموذج على تقرير متى يطرح أسئلة توضيحية في الأسئلة والأجوبة متعددة الأدوار، إلا أن العائق الرئيسي يظل عدم قدرة النظام على تفسير استجابات المستخدم بدقة وتوليد الإجابات النهائية الصحيحة حتى بعد حدوث التوضيح.
تقدم هذه الورقة البحثية JudgmentBench، وهو معيار مرجعي جديد لـ 30 مهمة قانونية تم تصنيفها من قبل محامين خبراء باستخدام كل من درجات التقييم وفق معايير محددة والتفضيلات الثنائية، مما يثبت أن الأحكام المقارنة تتفوق بشكل كبير على التسجيل القائم على المعايير في استعادة ترتيب الجودة مع تطلب أقل من نصف وقت التصنيف.
تقدم هذه الورقة البحثية "كسب الثقة الديناميكي" (Confidence Dynamic Gain - CDG)، وهو أسلوب مبتكر للتحسين أثناء الاستنتاج يستفيد من أنماط مسار الثقة المتميزة بين مسارات الاستدلال الصحيحة والخاطئة لتحسين اختيار الإجابات والأداء بشكل كبير عبر نماذج لغوية كبيرة متعددة ومعايير اختبار رياضية.
تكشف الورقة عن فجوة كبيرة في النماذج اللغوية الكبيرة حيث، على الرغم من قدرتها على التعرف صراحةً على غموض الاستعلام، فإنها تميل بشكل مفرط إلى تقديم إجابات مباشرة بدلاً من طرح أسئلة توضيحية، وهو توجه يتفاقم أكثر عند توفر سياق مسترجع.
تُثبت هذه الورقة أن الرسم البياني للتبعية الموجهة لمسارات استدعاء الأدوات في وكلاء النماذج اللغوية الكبيرة قابل للفك الخطي من التدفقات المتبقية للنموذج، مما يكشف أن الشبكة تمثل بنشاط الطوبولوجيا التجريدية للتنفيذ بدلاً من مجرد تتبع الترتيب الموضعي أو قيم المعرفات.
تقدم الورقة البحثية P1SCO، وهي مجموعة بيانات جديدة من تعليقات وسائل التواصل الاجتماعي المصنفة عبر عشرة أبعاد اجتماعية مع بيانات وصفية غنية للمُصنفين، والمصممة لتسهيل الأبحاث الدقيقة حول كيفية تباين التصورات الاجتماعية عبر المنصات والأفراد والعوامل الديموغرافية.
تقدم هذه الورقة GeoMathCode، وهو إطار عمل يعزز حل المسائل الهندسية باستخدام الكود البرمجي كمخرجات بصرية وسيطة، كاشفاً أن الضبط الدقيق الخاضع للإشراف يفصل بين الاستدلال وتوليد الكود بينما تلتقط البنى النحوية الهرمية معلومات رياضية أغنى من التمثيلات البصرية.
تقدم الورقة البحثية "Second Guess"، وهي تقنية توجيه خفيفة الوزن وخالية من المعلمات للنماذج اللغوية الصغيرة، تكتشف عدم اليقين وتحسن الموثوقية في الإجابة على أسئلة الاختيار من متعدد من خلال الاستفادة من استقرار الإجابة عند تضمين خيار "لا أعرف".
تقدم هذه الورقة تقييماً معيارياً منهجياً لـ 12 نموذجاً لغوياً كبيراً تعمل كمراجع لـ 898 ورقة بحثية من مؤتمرات NeurIPS وICLR، كاشفةً أنه في حين توفر هذه النماذج فائدة في هيكلة التقييمات، إلا أنها تبالغ بشكل منهجي في تقدير الأوراق البحثية الضعيفة، وتختلف عن التقييم البشري في معايير محددة، وتظل عرضة بشكل كبير لهجمات حقن الأوامر.