11611 ورقة بحثية
تجادل هذه الورقة بأن الطبيعة المتصورة للنماذج اللغوية الكبيرة (LLM) بوصفها نمطية وفارغة تنبع من توليدها المنهجي لـ "الكيتش" (Kitsch) نتيجة لمنهجيات التدريب، وهو ادعاء مدعوم بأدلة تجريبية تظهر أن القراء يدركون القصص المولدة بواسطة النماذج اللغوية الكبيرة على أنها أكثر "كيتشية" من الأعمال البشرية.
تقدم هذه الورقة عائلة UniMatrix من المحولات الشاملة (Universal Transformers)، مبرهنةً على أنه في حين توفر الحالات المتكررة المهيكلة كفاءة في المعلمات، فإن تحقيق استدعاء ترابطي قوي بعيد المدى يتطلب تعزيزها بآليات استرجاع صريحة متفرقة مثل توجيه الفتحات المتفرق (sparse slot routing) ودمج مؤشر اللوغيت (pointer-logit fusion).
تحدد هذه الورقة وتصيغ بشكل رسمي مفهوم "التلفيق المرتكز" (anchored confabulation)، وهي ظاهرة يؤدي فيها تقديم أدلة وسيطة جزئية، على نحو مفارق، إلى زيادة ثقة النماذج اللغوية الكبيرة في خطوات الاستدلال المتخيلة، وتوضح كيف يتيح استغلال هذا المقياس توجيهاً عالي الكفاءة لعملية التوليد المعزز بالاسترجاع دون الحاجة إلى ضبط دقيق للنموذج.
تقدم هذه الورقة أدلة كمية تدعم صحة تمييز كوريير بين لغتي A و B في مخطوطة فوينيتش، وذلك من خلال إثبات أن نموذج مزيج بيتا-بينوميال يمكنه استعادة هذا الانقسام دون تسميات مسبقة، وأن مصنفًا خاضعًا للإشراف يمكنه التنبؤ بهويات الأوراق بدقة بلغت 89.2%.
تقدم هذه الورقة تحليلاً قائماً على الانتقال والمزاوجة لـ 1,250 سجلاً من التلقين والاستجابة للكشف عن أنه في حين تعمل معظم استجابات النماذج اللغوية الكبيرة على تقليل حدة الضرر، إلا أن المحتوى الجنسي يصعب التخفيف من حدته بشكل ملحوظ مقارنة بالفئات الأخرى، وأن المقايضة بين الفائدة وعدم الضرر تتجلى في استجابات عالية الجودة ولكنها متصاعدة في حالات الامتثال مقابل إسهابات جانبية ومنحرفة عن الموضوع في المخرجات متوسطة الشدة.
يعمل SWE-Edit على تحسين أداء وكلاء هندسة البرمجيات من خلال فصل فحص الكود وتعديله إلى وكلاء فرعيين متخصصين وتقديم نموذج تحرير تكيفي متعدد التنسيقات تم تدريبه باستخدام GRPO، مما يزيد بشكل عام من معدلات نجاح إكمال المهام مع تقليل تكاليف الاستدلال بشكل كبير.
تقدم هذه الورقة نظاماً لاستنساخ الصوت عبر اللغات للخطاب العلمي، يستفيد من نموذج OmniVoice التأسيسي ومن تقطير التجميع متعدد النماذج من مجموعة بيانات ACL 60/60 لتعزيز الوضوح مع الحفاظ على هوية المتحدث عبر اللغات العربية والصينية والفرنسية.
تقدم هذه الورقة AniMINT، وهي مجموعة بيانات جديدة تضم 300 فيديو لأنيميشن واجهات المستخدم (UI) مشروحة، لتقييم نماذج الرؤية واللغة الحديثة بشكل منهجي، وتكشف أنها بينما يمكنها اكتشاف الحركة الأولية بشكل موثوق، فإن تفسيرها عالي المستوى لأغراض ومعاني الأنيميشن يظل غير متسق ويتخلف بشكل كبير عن الأداء البشري.
تُثبت هذه الورقة أن تضمينات الكلمات المدخلة يمكن تحسينها عبر تقدير التدرج من الدرجة صفر لتوجيه النماذج اللغوية المتوافقة بعيداً عن الرفض الضار أو المخرجات غير الآمنة، مما يؤدي فعلياً إلى تحييد الاستجابات التي تم وضع علامة أمان عليها في الاختبارات القياسية.
يُعد EvoSelect إطار عمل كفؤاً في استهلاك البيانات، حيث يعزز التكيف المستهدف للنماذج اللغوية الكبيرة عبر تقديم حلقة تكرارية من التوليد والاختيار والتدريب، يستخدم آلية اختيار قائمة على النقل الأمثل لتصفية البيانات الاصطناعية لضمان كل من المواءمة مع المهمة والتنوع، وذلك لمنع تدهور الأداء الناتج عن العينات المشوشة أو الفائضة عن الحاجة.