11611 ورقة بحثية
تقارن هذه الدراسة بين نماذج تعلم الآلة القائمة على PyCaret وبين بنيات التعلم العميق في مجموعة بيانات مشاعر مكونة من 20 فئة، حيث وجدت أنه بينما تظل النماذج التقليدية مثل SVM تنافسية، يحقق نموذج BiLSTM أداءً فائقاً (دقة 89%) من خلال التقاط الإشارات السياقية العاطفية بشكل أفضل.
تستخدم هذه الدراسة طريقة الذاكرة الطويلة قصيرة المدى (LSTM) لتصنيف المشاعر في 7,733 تعليقاً من يوتيوب بخصوص برنامج الوجبات الغذائية المجانية في إندونيسيا، محققةً دقة إجمالية بلغت 89% مع الكشف عن أن أداء النموذج منحاز بشكل كبير نحو المشاعر السلبية بسبب عدم توازن حاد في فئات البيانات.
تقدم هذه الورقة Entrocraft، وهي طريقة بسيطة لأخذ العينات بالرفض خالية من التنظيم، تتحكم بدقة في جداول الإنتروبيا لمنع تشبع الأداء في التعلم المعزز للنماذج اللغوية الكبيرة، مما يؤدي إلى تمديد طول فترة التدريب بشكل كبير وتحسين التعميم وتنوع المخرجات.
تقترح هذه الورقة نموذجاً ثنائي المهام يجمع بين الحساب الحسابي وفهم الجمل لإثبات أن تقييد الموارد المعرفية في النماذج اللغوية الكبيرة يحول استراتيجيات المعالجة لديها نحو الاستدلال العقلاني الشبيه بالبشر، وهو ما يتضح من خلال زيادة فجوة الدقة بين الجمل المرجحة والجمل غير المرجحة.
تقدم هذه الورقة KVShot، وهو إطار تشخيصي يوضح كيف يؤدي تمكين نماذج المسودة من إعادة استخدام مخبئات (KV) المستهدفة إلى التخفيف من تدهور الدقة بعيد المدى في فك التشفير التخميني، مع تحديد الاختناقات الهيكلية في مسارات التدريب الحالية التي تستوجب التحول نحو نماذج التدريب القائمة على الكتل.
تقدم هذه الورقة "نامة" (Naamah)، وهي مجموعة بيانات اصطناعية واسعة النطاق لتعرّف الكيانات المسماة باللغة السنسكريتية تضم أكثر من 100,000 جملة تم إنشاؤها عبر دمج استخراج كيانات "دي بييديا" (DBpedia) مع نموذج استدلال هجين بـ 24 مليار معلمة، والذي يُستخدم بعد ذلك لاختبار معايير بنيات المحولات (transformer architectures) متعددة اللغات والخاصة باللغات الهندية.
تُثبت هذه الورقة أن تأصيل تقييم التخصيص الأسلوبي للنماذج اللغوية الكبيرة في نظرية التحقق من التأليف (وتحديداً باستخدام مقياس LUAR) يكشف عن "فجوة تأليف" كبيرة حيث تفشل الطرق الحالية في محاكاة الأسلوب البشري، وهو فشل جوهري يظل غير مرئي للمقاييس غير المعايرة والعشوائية مثل "النموذج كحكم" أو المقاييس الأسلوبية التي تنتج نتائج غير متسقة وغير معايرة.
تقدم هذه الورقة StarDrinks، وهي مجموعة اختبار ثنائية اللغة (الإنجليزية والكورية) مصممة لتقييم نماذج الكلام وفهم اللغة الطبيعية في سيناريوهات واقعية لطلب المشروبات من خلال رصد التباين المعقد في العالم الحقيقي مثل الكيانات المتنوعة، والتخصيصات، وظواهر الكلام العفوي.
تقترح هذه الورقة "SafeReview"، وهو إطار عمل تنافسي مبتكر يستخدم نموذج مولد ومدافع يتطوران ديناميكيًا للكشف عن المطالبات الخفية العدائية المصممة للتلاعب بأنظمة مراجعة الأقران الأكاديمية القائمة على النماذج اللغوية الكبيرة وتخفيف حدتها بمتانة.
تقترح الورقة البحثية إطار عمل OCR-Memory، وهو إطار عمل مبتكر يتغلب على قيود النص والسياق في وكلاء النماذج اللغوية الكبيرة (LLM) ذوي الأفق الطويل عبر ترميز المسارات التاريخية كصور واسترجاع النصوص حرفياً من خلال آلية بصرية تعتمد على "التحديد والنسخ"، مما يؤدي إلى توسيع سعة الذاكرة الفعالة بشكل كبير مع تقليل الهلوسة إلى أدنى حد.