11158 ورقة بحثية
تقدم هذه الورقة البحثية "التفكير مع المعايير" (Think-with-Rubrics)، وهو نموذج جديد يحول المعايير من مقيمات خارجية إلى توجيه استدلالي داخلي عبر جعل النماذج اللغوية الكبيرة تولد المعايير جنباً إلى جنب مع الاستجابات أثناء التدريب، مما يؤدي إلى تحسينات مستمرة في الأداء مقارنة بالنماذج المرجعية القائمة على المكافأة.
تقدم هذه الورقة "ملفات مولتبوك" (Moltbook Files)، وهي مجموعة بيانات تضم 232 ألف منشور و2.2 مليون تعليق من منصة شبيهة بـ "ريديت" (Reddit) مأهولة بوكلاء ذكاء اصطناعي، مما يكشف عن مخاطر خصوصية جسيمة مثل كشف مفاتيح واجهة برمجة التطبيقات (API keys) وانخفاض في صدقية النماذج عند الضبط الدقيق، ومع ذلك تصنف الحدث في النهاية على أنه "كارثة هراء غير ضارة" (harmless slopocalypse) مع التحذير من مخاطر ذيل مستمرة مثل تلوث البيانات وعدم الاتساق الناشئ.
تقدم هذه الورقة البحثية InterLV-Search، وهو معيار شامل وإطار تقييم للبحث الوكيل متعدد الوسائط المتداخل الذي يسلط الضوء على أوجه القصور الحالية الكبيرة في قدرة الأنظمة على دمج الأدلة النصية والبصرية ديناميكيًا عبر سيناريوهات البحث النشط، والبحث الموجه غير المتصل بالإنترنت، والبحث في الويب المفتوح.
تتقصى هذه الورقة البحثية سبب معاناة النماذج اللغوية الكبيرة في الترجمة منخفضة الموارد عبر تحليل أنماط الفشل عبر 22 زوجاً لغوياً وتقديم مقياس معدل تنشيط الرموز (TAR)، والذي يكشف أن انخفاض استغلال الرموز الخاصة باللغة يرتبط ارتباطاً وثيقاً بجودة الترجمة الضعيفة، لا سيما في الأزواج غير المتمحورة حول اللغة الإنجليزية.
تشخص هذه الورقة ضعف قدرات الاستدلال الزمني في النماذج اللغوية الكبيرة للفيديو (Video-LLMs) من خلال تحديد الاختناقات في كل من تصميمات المشفرات البصرية وجهاز الإسقاط (projector)، مما أدى إلى بنية جديدة تحقق أداءً يقارب المثالية في مهمة "سهم الزمن" (Arrow-of-Time) وتحسن بشكل كبير معايير الاستدلال الزمني الأوسع.
تقدم هذه الورقة POISE، وهي طريقة للتعلم التعزيزي تستفيد من مسبار خفيف الوزن يتم تدريبه على الحالات الداخلية لنموذج السياسة لتقدير خطوط الأساس للقيمة بتكلفة ضئيلة، مما يحقق تحسيناً مستقراً وفعالاً للسياسة دون العبء الحسابي للمنتقدات المنفصلة أو عمليات التدحرج المتعددة.
تقترح هذه الورقة إطار عمل لتوليد المعرفات الدلالية (Semantic ID) القائم على النوايا ضمن نموذج "التوليد ثم المطابقة" (Generate-then-Match)، وذلك باستخدام تدريب ثنائي المراحل واستدلال مزدوج الإشارات المدرك للملف الشخصي للتغلب على اختناقات الاسترجاع في توصية الأخبار الحوارية، محققةً انعدام الهلوسة وأداءً يتفوق على النماذج المرجعية القائمة على GPT-4 بتكلفة أقل بكثير.
تكشف هذه الورقة أن نموذج BERT الهولندي الذي تم تدريبه من الصفر يطور تحيزات جندرية قوية ومستمرة تميل نحو التذكور وتتجاوز الإشارات السياقية الصريحة، مما يثبت أن تمثيلاته المتعلمة غير ديناميكية بما يكفي لترميز المعلومات الجندرية غير النمطية بشكل صحيح رغم ما تتميز به اللغة من علامات جندرية صرفة.
تقدم هذه الورقة PhoneSafety، وهو معيار مرجعي لـ 700 لحظة من لحظات السلامة الحرجة في العالم الحقيقي تميز بين السلامة الحقيقية ومجرد العجز في وكلاء استخدام الهاتف، مما يكشف أن القدرات العامة الأقوى لا تضمن اتخاذ قرارات أكثر أماناً وأن النتائج غير الضارة غالباً ما تخفي عدم القدرة على الفعل بدلاً من السلامة الحقيقية.
تقدم الورقة البحثية مجموعة بيانات Psych-201 لتوضيح أن عمليات ما بعد التدريب، التي تعمل على تحسين النماذج اللغوية الكبيرة من أجل المنفعة، تؤدي باستمرار إلى تدهور قدرتها على محاكاة السلوك البشري بدقة، وهي مشكلة تستمر وتتفاقم في الأجيال الأحدث من النماذج ولا يمكن حلها عبر تقنيات استحضار الشخصية.