11535 ورقة بحثية
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.
يُعد MAVEN إطار عمل مستوحى من نظام السبورة (blackboard) ومتعدد الوكلاء، يعمل على تعزيز جودة استدلال النماذج اللغوية الكبيرة والثقة المعرفية عبر فك الارتباط بين الأدوار في حلقة (المشكك-الباحث-القاضي) التنافسية مع التدقيق أثناء الخطوات، متفوقاً بذلك على النماذج أحادية البنية والنماذج القائمة على الإجماع عبر مختلف المعايير والنماذج الأساسية.
تكشف هذه الدراسة أنه في حين تؤدي نماذج التصحيح الآلي للإجابات القصيرة أداءً جيداً في الاستجابات الصحيحة أو الخاطئة بوضوح، إلا أنها تظهر تدهوراً كبيراً في الاتفاق مع الخبراء البشريين في الإجابات متوسطة المدى أو الصحيحة جزئياً، وهو قصور يكون في أقصى درجاته في النماذج اللغوية الكبيرة ذات التعلم من أمثلة قليلة ويتحسن مع زيادة التكيف الخاص بالمهمة.
تقدم هذه الورقة البحثية "اتساق البادئة" (prefix consistency)، وهو إشارة موثوقية في وقت الاختبار تعمل على تحسين كفاءة استدلال "سلسلة الأفكار" (Chain-of-Thought) من خلال وزن الإجابات المرشحة بناءً على قابليتها لإعادة الإنتاج بعد الاقتطاع وإعادة التوليد، محققةً دقة التصويت بالأغلبية القياسية بعدد أقل بكثير من الرموز المولدة دون الحاجة إلى الوصول إلى احتمالات السجل (log-probabilities) أو مطالبات التقييم الذاتي.
تقدم الورقة البحثية TRACE، وهي مجموعة بيانات وإطار تقييم شامل لأنظمة التوصية الحوارية في مجال السياحة، والتي تعالج الفجوة الحرجة في الموثوقية من خلال التقييم المشترك لدقة التوصية، والأدلة الاستشهادية القابلة للتحقق من المراجعات، والتعافي التكيفي من رفض المستخدم عبر 10,000 حوار متعدد الأدوار.