11158 ورقة بحثية
تجادل هذه الورقة بأن على المؤسسات تجنب الاعتماد المفرط على النماذج اللغوية الكبيرة في جميع المهام، داعيةً بدلاً من ذلك إلى بنيات معيارية تعمل فيها النماذج اللغوية الكبيرة حصرياً كواجهات للاستخراج المنظم، بينما تتولى قواعد المعرفة المخصصة والإجراءات الرمزية عمليات الحوسبة والتخزين لضمان الموثوقية والقابلية للتوسع والشفافية.
تقدم هذه الورقة منهجية لبناء متن لغوي متعدد اللغات، متاح للعموم، وعالي الجودة، ومحاذٍ على مستوى الجمل لتبسيط النصوص عبر اللغات الكتالونية والإنجليزية والفرنسية والإيطالية والإسبانية، وذلك من خلال معالجة بيانات قابلة للمقارنة تم جمعها عبر التعهيد الجماعي وتطبيق آليات محاذاة على مستوى الجمل.
تقدم هذه الورقة "المستمع البراغماتي المحدود" (BPL)، وهو إطار عمل بايزي (Bayesian) قائم على أسس معرفية يوسع نظرية "أفعال الكلام العقلانية" عبر ثلاثة قيود من العقلانية المحدودة لنمذجة القابلية للتأثر بالمعلومات المضللة، مما يظهر أداءً تنافسيًا في معايير تصنيف الحقيقة ويقدم دعمًا تجريبيًا لمفارقة عدم تطابق العمق.
تقدم هذه الورقة تسلسلاً هرمياً للذاكرة مدركاً للدلالات يقوم بتفريغ رموز الاستدلال منخفضة الأهمية إلى ذاكرة وحدة المعالجة المركزية (CPU) مع خطأ تقريبي صفري، مما يثبت أن دقة الاستدلال تعتمد فقط على نسبة الإخلاء الدائم بدلاً من إشغال الذاكرة ذات النطاق الترددي العالي (HBM)، مما يتيح وفراً كبيراً في الذاكرة مع حد أدنى من تدهور الأداء.
تقدم هذه الورقة معيار "TriForm" وتقدم أدلة متقاربة على وجود فضاء استدلالي مستقل عن التنسيق (FARS) داخل النماذج اللغوية الكبيرة، مما يثبت أن تمثيلاً داخلياً مدمجاً مكوناً من 10 أبعاد يستوعب مفاهيم الاستدلال المجرد عبر أشكال سطحية متنوعة (النثر، والبرمجة، والرياضيات) مع الكشف عن عدم تماثل جوهري حيث تكون التنسيقات التقريرية أكثر توافقاً مع بعضها البعض مقارنة بالتنسيقات الإجرائية البرمجية.
تُثبت هذه الورقة أنه بينما تمتلك النماذج اللغوية الكبيرة "وعياً داخلياً بالخطأ" قوياً يمكن اكتشافه في حالاتها الخفية، فإن هذه الإشارة التشخيصية غير سببية جوهرياً ولا يمكن استغلالها لتصحيح أخطاء الاستدلال من خلال تقنيات تدخل متنوعة.
تقدم هذه الورقة تقنية "رقعة دفتر الملاحظات" (Scratchpad Patching - SP)، وهي تقنية تفصل بين الحوسبة وحجم الرقعة في النماذج اللغوية ذات المستوى البايتي عبر إدراج دفاتر ملاحظات عابرة ديناميكيًا للتخفيف من تأخر الرقعة، مما يتيح رقعًا أكبر لتقليل تكاليف ذاكرة التخزين المؤقت لـ (KV-cache) والحوسبة دون التضحية بجودة النمذجة.
تقدم الورقة البحثية MedMeta، وهو معيار جديد لتقييم قدرة النماذج اللغوية الكبيرة على توليف استنتاجات التحليل التلوي الطبي من ملخصات الدراسات، كاشفةً أن التوليد المعزز بالاسترجاع يتفوق بشكل كبير على النهج المعتمد على المعلمات فقط، بينما يكشف في الوقت ذاته عن ثغرات حرجة في التعامل مع الأدلة المنفية والقيمة المحدودة للضبط الدقيق المتخصص في المجال لهذه المهمة.
تُثبت هذه الورقة أنه في عملية تقييم النماذج اللغوية الكبيرة متعددة الحكام باستخدام بيانات معايرة مصنفة، فإن الاحتفاظ بجميع الحكام ومعايرة مخرجاتهم يؤدي إلى معدلات خطأ أقل بكثير من اختيار مجموعة فرعية بناءً على الدقة وحدها، لأن حتى الحكام الضعفاء أو المنحازين يقدمون إشارات غير متكررة تعمل على تحسين المعايرة الاحتمالية.
تقدم هذه الورقة البحثية "Semantic Softmax"، وهي طريقة تُستخدم أثناء مرحلة الاستدلال لدمج الدرجات من الجوارات الدلالية للتخفيف من حدة "انحياز إعادة المعايرة" (Renormalization Bias) وما ينتج عنه من "التصويت الصامت" (Silent Vote) في تصنيف النماذج اللغوية الكبيرة (LLMs) في وضع صفر المعرفة (zero-shot)، مما يؤدي إلى تحسين معايرة النموذج والأداء التمييزي بشكل كبير عبر اختبارات قياسية متعددة.