11611 ورقة بحثية
يُعد BARRED إطار عمل يُنشئ بيانات تدريب اصطناعية عالية الدقة من خلال تفكيك أبعاد المجال والمناظرة بين الوكلاء المتعددين، مما يُمكّن النماذج اللغوية الصغيرة من التفوق على النماذج اللغوية الكبيرة المملوكة والأكثر تطوراً والأنظمة المخصصة للحماية في فرض السياسات المخصصة دون الحاجة إلى تعليق بشري مكثف.
تقدم الورقة البحثية DRAGON، وهي مجموعة بيانات معيارية وإطار تقييم مصمم لتقييم قدرة نماذج الرؤية واللغة على ربط إجاباتها بأدلة بصرية محددة داخل المخططات، مما يعالج قصور الدقة العالية دون تبرير استدلالي موثوق.
تقدم هذه المساهمة إطار عمل للتنبؤ المطابق لقياس موثوقية أحكام نماذج الرؤية واللغة عبر تحويل التقديرات النقطية إلى فترات مُعايرة، وتُظهر أن عدم اليقين في التقييم يعتمد بشكل كبير على المهمة، وتكشف عن نمط فشل حرج يتمثل في "انفصال التصنيف عن التقييم"، حيث يمكن للنماذج ترتيب الاستجابات بشكل صحيح ولكنها تفشل في تقديم درجات مطلقة موثوقة.
تُثبت هذه الورقة أن توجيه النماذج اللغوية الكبيرة الصغيرة المضبوطة بالتعليمات (7-9 مليارات معلمة) لتعمد الأداء الضعيف يفشل في إنتاج دقة أقل من مستوى الصدفة لأن النماذج إما تتجاهل التعليمات أو تتبنى انحيازاً موضعياً نحو الخيارات ذات الحروف المتوسطة في الأبجدية، مما يشير إلى أن اكتشاف عملية "التظاهر بالغباء" (sandbagging) هذه يتطلب مراقبة التحولات في التوزيع بدلاً من الاعتماد على الأداء الأقل من مستوى الصدفة كعلامة عليها.
تقدم هذه الورقة LegalMidm، وهو نموذج لغوي كبير في المجال القانوني الكوري تم تطويره من خلال إطار تدريب منهجي قائم على حالات الاستخدام، يمنح الأولوية للتعاون مع المتخصصين في القانون والتقييم الصارم للبيانات لتعزيز الدقة والمنفعة العملية في التطبيقات القانونية الواقعية.
تقدم هذه الورقة البحثية Faithfulness-QA، وهي مجموعة بيانات واسعة النطاق تضم ما يقرب من 100,000 عينة من أسئلة وأجوبة معدلة بشكل مضاد للواقع، صُممت لتدريب وتقييم نماذج التوليد المعزز بالاسترجاع (RAG) لإعطاء الأولوية للسياق المسترجع على الذاكرة البارامترية الداخلية، وذلك لمعالجة المشكلة الحرجة المتمثلة في التوليد غير الأمين.
تقدم هذه الورقة "Cutscene Agent"، وهو إطار عمل للنماذج اللغوية الكبيرة متعددة الوكلاء يعمل على أتمتة توليد المشاهد السينمائية ثلاثية الأبعاد من البداية إلى النهاية من خلال التكامل ثنائي الاتجاه مع محركات الألعاب، ونظام تنسيق هرمي مزود بالتغذية الراجعة المرئية، ومعيار هرمي جديد (CutsceneBench) مصمم لتقييم تنسيق الأدوات المعقد وطويل المدى.
يُعد R³-SQL إطار عمل جديد لتحويل النص إلى لغة SQL، حيث يعمل على تحسين دقة التنفيذ من خلال تقديم آلية مكافأة موحدة للتصنيف المتسق لمجموعات SQL المتكافئة وظيفياً واستراتيجية إعادة أخذ عينات وكيلية لاستعادة الاستعلامات الصحيحة عندما تكون مفقودة في البداية من مجموعة المرشحين، محققاً بذلك أداءً هو الأفضل في فئته على مقياس BIRD-dev.
تقدم هذه الورقة منهجية غير مرتبطة بلغة معينة لتحويل ملفات ويكيميديا الخام إلى مجموعات بيانات تدريبية عالية الجودة وغنية لغوياً لسبع لغات سلافية جنوبية، وذلك من خلال استخراج النصوص بشكل منهجي من مشاريع ويكي متعددة وتوظيف التصفية القائمة على الـ n-gram لإزالة المقالات منخفضة الجودة والمتكررة.
تُثبت هذه الورقة أن الضبط الدقيق لنموذج IndoBERT يتفوق بشكل كبير على نهج PyCaret AutoML الكلاسيكي، حيث حقق دقة بلغت 89.59% مقارنة بـ 77.57%، وذلك لتحليل المشاعر الثنائي لتعليقات تويتر الإندونيسية غير الرسمية المتعلقة بالعاصمة الجديدة إيكن (IKN).