11158 ورقة بحثية
تقترح هذه الورقة استخدام البحث الشعاعي (beam search) بدلاً من أخذ العينات متعدد الحدود (multinomial sampling) لتوليد المرشحين لتقدير عدم اليقين القائم على الاتساق في النماذج اللغوية الكبيرة، مما يثبت أن هذا النهج يقلل التباين ويحقق أداءً رائدًا في مهام الأسئلة والأجوبة قصيرة الصيغة.
تتناول هذه الورقة تحدي قياس جودة الاسترجاع في البيئات الواقعية حيث يكون العدد الإجمالي للوثائق ذات الصلة غير معروف، وذلك من خلال تقييم الاستراتيجيات الحالية مقابل أحكام الاستجابة القائمة على النماذج اللغوية الكبيرة، واقتراح مقياس جديد وفعال لا يتطلب معرفة بمجموعة الاستدعاء الكاملة.
تقدم هذه الورقة مجموعة بيانات "Chameleon" لتوضيح أن تفاعلات المستخدمين مع النماذج اللغوية مدفوعة في الغالب بالحالة السياقية بدلاً من السمات الثابتة، مما يكشف أن النماذج الحالية "عمياء عن الحالة" بينما تتفاعل نماذج المكافأة بشكل غير متسق مع حالات المستخدمين.
إنّ LLM-AutoDP هو إطار عمل مبتكر يسخّر وكلاء النماذج اللغوية الكبيرة (LLM agents) لتوليد استراتيجيات معالجة البيانات وتحسينها بشكل تكراري لضبط النماذج بدقة، وذلك دون وصول مباشر من البشر إلى البيانات الحساسة، محققاً نتائج عالية الجودة ومقللاً وقت البحث بشكل كبير من خلال تقنيات تسريع متخصصة.
تقدم الورقة البحثية "ليفياثان" (Leviathan)، وهي بنية "ترانسفورمر" (Transformer) تعمل على فصل تمثيلات المدخلات عن المخرجات من خلال استبدال مصفوفة التضمين المترابطة القياسية بترميز متجهي للتضمين المتعلم (LEV)، مما يحقق تحسينات ملحوظة في أداء نمذجة اللغة ومعايير الاختبار اللاحقة مع حد أدنى من الزيادة في عدد المعلمات.
تقدم هذه الورقة إطار عمل للتحسين الرتيب التكراري غير المعتمد على مرجع للتحويل التلقائي للنظريات الكاملة، والذي يستفيد من التغذية الراجعة المتكاملة من مبرهنات النظريات وحكام النماذج اللغوية الكبيرة لتحسين الصلاحية الصورية، والحفاظ المنطقي، والاتساق الرياضي، والجودة الصورية في آن واحد، محققاً أداءً هو الأفضل في مجاله على معايير miniF2F وProofNet دون الحاجة إلى بيانات الحقيقة الأرضية أو تدخل بشري.
يُعد CAMEL إطار عمل للتأمل القائم على الثقة يجمع بين قرارات التفضيل الفعالة أحادية الرمز مع التصحيح الذاتي الانتقائي المدفوع بالتعلم التعزيزي للحالات منخفضة الثقة، مما يحقق دقة هي الأفضل في مجال نمذجة المكافأة مع عدد أقل بكثير من المعلمات ونسبة دقة إلى كفاءة متفوقة.
تقدم هذه الورقة PulseLM، وهو عبارة عن مجموعة بيانات مرجعية ونموذج تأسيسي واسع النطاق يضم أكثر من مليون مقطع من إشارات PPG و2.5 مليون زوج من الأسئلة والأجوبة التي تجسر الفجوة بين الموجات الفسيولوجية الخام واللغة الطبيعية لتمكين التعلم متعدد الوسائط، والتعميم، والتقييم المعياري لنماذج الذكاء الاصطناعي القائمة على إشارات PPG.
تقدم هذه الورقة "تعلم الأساسات التبايني القائم على البيانات" (DVBL)، وهو إطار عمل غير عصبي يتعلم دوال أساس تفسيرية ومتكيفة مع البيانات من خلال التحسين التبايني، مما يوفر بديلاً شفافاً رياضياً للشبكات العصبية مع تقديم ضمانات صارمة بشأن الوجود والتقارب والقابلية لتحديد الهوية.
يُعد AdaGATE متحكماً في الأدلة، لا يتطلب تدريباً وكفؤاً في استهلاك الرموز (tokens)، لعمليات التوليد المعزز بالاسترجاع متعدد الخطوات، حيث يصيغ عملية اختيار الأدلة كمسألة إصلاح مدركة للفجوات، محققاً بذلك متانة وأداءً فائقين في ظروف الاسترجاع المشوبة بالضجيج أو التكرار مقارنة بالطرق الحالية.