11158 ورقة بحثية
تقدم هذه الورقة البحثية AutoMonitor-Bench، وهو أول معيار لتقييم مراقبات سوء السلوك القائمة على النماذج اللغوية الكبيرة بشكل منهجي عبر مهام متنوعة، كاشفةً عن تباين كبير في الأداء ومقايضة جوهرية بين السلامة والمنفعة، مع إثبات أن الضبط الدقيق على بيانات سوء السلوك المعروف لا يحل تماماً التحديات في اكتشاف الإخفاقات غير المرئية أو الضمنية.
تعالج هذه الورقة البحثية نقص مقاييس منتصف التدريب الفعالة لـ SWE-bench من خلال تقديم استراتيجية تصفية للبيانات ومقياس HE-SNR، الذي يستند إلى فرضية ضغط الإنتروبيا لتوجيه تحسين النماذج اللغوية الكبيرة بشكل أفضل لمهام هندسة البرمجيات المعقدة.
تقدم هذه الورقة xMemory، وهو إطار عمل مبتكر لذاكرة الوكيل يعمل على تحسين تقنية RAG القياسية من خلال فصل سجلات التفاعل إلى مكونات قابلة لإعادة الاستخدام وتجميعها هرمياً لتمكين الاسترجاع من الأعلى إلى الأسفل، مما يقلل من التكرار مع الحفاظ على التفاصيل الجوهرية، وبالتالي يعزز جودة الإجابة وكفاءة الاستدلال.
تقدم هذه الورقة تحليلاً نظرياً وتحققاً تجريبياً يثبت أن نماذج الانتشار المقنعة (Masked Diffusion Models) تخفف من "لعنة العكس" (Reversal Curse) لأن معلمات المحول (Transformer) المشتركة والترميزات الموضعية النسبية الخاصة بها تخلق اقتراناً على مستوى المعلمات يسمح بإعادة استخدام أدلة أزواج الرموز (token-pair evidence) التي تم تعلمها أثناء التدريب المقنع الأمامي بفعالية لاستعلامات العكس.
تقدم هذه الورقة البحثية RACC (معايير تغطية الوعي بالتمثيل)، وهو إطار عمل قابل للتوسع لاختبار سلامة النماذج اللغوية الكبيرة عبر استخراج تمثيلات خاصة بالسلامة من الحالات الخفية لتقييم كفاية مجموعة الاختبار وتوجيه توليد الهجمات، مما يتغلب بفعالية على قيود معايير التغطية التقليدية على مستوى الخلايا العصبية.
تقترح هذه الورقة طريقة OGPSA، وهي طريقة تعلم مستمر خفيفة الوزن تخفف من ضريبة المحاذاة في التدريب اللاحق للسلامة عن طريق إسقاط تدرجات السلامة على فضاء فرعي متعامد للحفاظ على قدرات النموذج العامة دون الحاجة إلى إعادة تشغيل البيانات واسعة النطاق.
تقدم هذه الورقة مجموعة بيانات لغوية متعددة اللغات جديدة ومتاحة للجمهور تضم أكثر من 100,000 مراجعة لأفلام من كازاخستان، مشروحة لغوياً وحسياً، وتقيم نماذج المحولات (transformer models) مقابل النماذج المرجعية الكلاسيكية في مهام تصنيف القطبية والدرجة.
تقدم هذه الورقة PlantMarkerBench، وهو معيار شامل متعدد الأنواع مصمم لتقييم قدرة النماذج اللغوية على تفسير وتصنيف الأدلة المستندة إلى الدراسات العلمية للجينات العلامة النوعية لأنواع خلايا النبات، مما يكشف عن فجوات كبيرة في الأداء عند التعامل مع السياقات البيولوجية المعقدة وغير المباشرة والغامضة.
تقدم الورقة البحثية إطار عمل \textsc{Anchor}، وهو إطار بايزي هرمي يقوم ببناء شبكات عاملة كثيفة ويدمج النمذجة السببية للتغلب على قيود فضاءات العوامل المتفرقة في النماذج اللغوية الكبيرة، مما يؤدي إلى تحسين موثوقية وكفاءة الاستدلال الاحتمالي بشكل كبير في ظل المعلومات غير المكتملة.
تحدد هذه الورقة أن جداول التدخل الموحدة تضعف جودة نماذج اللغات ذات الانتشار المنفصل من خلال تجاهل أنماط الالتزام الزمني المتميزة للسمات المختلفة، وتقترح مجدولاً تكيفياً مبتكراً يركز جهود التوجيه على خطوات تكوين محددة لتحقيق تحكم دقيق وعالي القوة في سمات متعددة دون المساس بجودة التوليد.