11611 ورقة بحثية
تقدم هذه الورقة البحثية LASE، وهو مشفر متحدث مضاد للغة تم تدريبه باستخدام هدف عكس التدرج للقضاء على تسرب الهوية المعتمد على النص في استنساخ الصوت عبر النصوص المختلفة للغات الهندية، محققاً فجوات أداء تقترب من الصفر عبر مجموعات بيانات اللهجات الغربية والهندية مع تطلب كمية أقل بكثير من بيانات التدريب مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة معياراً تشخيصياً يوضح أنه بينما تحقق النماذج اللغوية الكبيرة دقة عالية في المهام الإجرائية القصيرة، فإن قدرتها على تنفيذ الخوارزميات الخطوية بأمانة تتدهور بشكل كبير مع زيادة التعقيد، مما يكشف أن الأداء القوي في المعايير المرجعية غالباً ما يحجب نقاط ضعف جوهرية في اتباع التعليمات.
تقدم الورقة البحثية MultiBLiMP 1.0، وهو معيار آلي بالكامل ومتعدد اللغات بشكل هائل يضم أكثر من 128,000 زوج أدنى عبر 101 لغة، والذي يقيم قدرات النماذج اللغوية الكبيرة في مطابقة الفعل للفاعل ويكشف عن أوجه قصور كبيرة في نمذجة اللغات ذات الموارد المنخفضة.
تقدم هذه الورقة ESTBook، وهو معيار متعدد الوسائط يضم أكثر من 10,000 سؤال من اختبارات اللغة الإنجليزية المعيارية المعززة بالدعم المعرفي وتبريرات المشتتات، بهدف نقل تقييم النماذج اللغوية الكبيرة من مجرد الدقة البسيطة إلى تشخيص المفاهيم الخاطئة لدى البشر وتحسين الاستدلال التربوي.
تقدم هذه الورقة DoctorAgent-RL، وهو إطار عمل متعدد الوكلاء قائم على التعلم التعزيزي تم تدريبه على مجموعة بيانات طبية جديدة متعددة الحوارات (MTMedDialog)، مما يتيح طرح أسئلة استباقية واستراتيجية لتحقيق معدل تطابق تشخيصي دقيق بنسبة 70%، وبالتالي معالجة أوجه القصور في النماذج الثابتة وتخفيف الضغط على موارد الرعاية الصحية.
تقدم الورقة البحثية FinChain، وهو أول معيار لتقييم تسلسل الأفكار المالي القابل للتحقق والذي يتميز بقوالب رمزية قابلة للتنفيذ آلياً ومقياس CHAINEVAL، الذي يكشف عن قصور كبير في قدرات النماذج اللغوية الكبيرة الحالية في التحليل المالي متعدد الخطوات مع تسليط الضون على إمكانات النماذج المتكيفة مع المجال.
تكشف هذه الورقة أن نماذج الرؤية واللغة تظهر أداءً أقل بكثير من البشر في استنتاج اتجاه نظرة العين لأنها تعتمد بشكل خاطئ على اتجاه الرأس بدلاً من مظهر العين، وهو انحياز يُعزى إلى بيانات التدريب وليس إلى بنية النموذج.
تقدم هذه الورقة VISE، وهو أول معيار لتقييم التملق في النماذج اللغوية الكبيرة المرئية (Video-LLMs) من خلال تحليل ميلها للتماشي مع مدخلات المستخدم المضللة على حساب الأدلة البصرية، وتقترح استراتيجيتين لا تعتمدان على التدريب للتخفيف من هذا الانحياز عبر تعزيز التجذر البصري والتدخل أثناء الاستنتاج.
تقدم الورقة البحثية PiCSAR، وهي طريقة لا تتطلب تدريباً تعمل على تحسين دقة استنتاج النماذج اللغوية الكبيرة من خلال اختيار أفضل توليد للمرشح بناءً على الاحتمالية اللوغاريتمية المشتركة لاستنتاجه وإجابته، محققةً مكاسب أداء كبيرة عبر معايير متنوعة بعدد عينات أقل من الخطوط المرجعية الحالية.
تقدم هذه الورقة Efficient-DLM، وهو إطار عمل يحول النماذج التنبؤية ذاتية الانحدار سابقة التدريب إلى نماذج لغوية انتشارية عالية الكفاءة من خلال توظيف نمط انتباه قائم على الكتل وقناع رموز يعتمد على الموضع، مما يحقق دقة وإنتاجية متفوقة مقارنة بالنماذج الرائدة الحالية.