11611 ورقة بحثية
تقدم هذه الورقة طريقة فعالة لنقل المعلمات الفائقة عبر المقاييس بناءً على معلمات التحديث الأقصى (muP)، والتي تُمكّن المحول الاحتمالي (Probabilistic Transformer) من التوسع حتى 0.4 مليار معلمة مع التفوق باستمرار على المحولات القياسية في مهام نمذجة اللغة المقنعة تحت نفس ميزانية المعلمات.
تحقق Praxy Voice أداءً في تحويل النص إلى كلام بمستوى تجاري للغات التيلجو والتاميل والهندية من خلال الجمع بين فضاء فونيم موحد لغات البرهمية (BUPS) لتحويل النصوص، ومحول LoRA نصي فقط تم تدريبه على بيانات مرخصة، ووصفة أخذ عينات محددة لتلقين الصوت، وكل ذلك دون الحاجة إلى بيانات تدريب تجارية أو إعادة تدريب لفك التشفير الصوتي.
تقدم هذه الورقة نظاماً للتوليد المعزز بالاسترجاع متعدد الولايات القضائية يتنقل عبر اللوائح العالمية المعقدة للذكاء الاصطناعي من خلال توظيف تقنيات متخصصة مثل التجزئة النوعية وتوجيه الاسترجاع الشرطي لتحقيق دقة عالية في الإجابة على الاستفسارات القانونية الفردية ومتعددة الولايات القضائية.
تقارن هذه الورقة البحثية بين خوارزميات تعلم الآلة التقليدية (الانحدار اللوجستي، وآلات ناقلات الدعم، وLightGBM) ونموذج BiLSTM مع آلية الانتباه لتحليل المشاعر في اللغة الإندونيسية، حيث وجدت أن أفضل نموذج تعلم آلة أداءً (الانحدار اللوجستي) يتفوق قليلاً على نهج التعلم العميق مع توفير كفاءة حوسبية أكبر.
تتقصى هذه الدراسة التحيزات اللغوية في توصيات المطاعم والمنتجات القائمة على النماذج اللغوية الكبيرة عبر لهجات جنوب أمريكا، والإنجليزية الهندية، واللغة الهجينة (Code-Switched) بين الهندية والإنجليزية، كاشفةً أن عائلات نماذج محددة تُظهر حساسية متزايدة تجاه مطالبات الإنجليزية الهندية واللغة الهجينة، مما يؤدي إلى تباينات متميزة في أنماط التوصية دون وجود اتجاهات ثابتة تعتمد فقط على حجم النموذج.
تقدم هذه الورقة البحثية ملف استبدال الفونيمات (PSP)، وهو معيار مرجعي قابل للتفسير لكل بُعد، يقيم أنظمة تحويل النص إلى كلام للغات الهندية بناءً على سمات لهجوية محددة مثل الارتداد (retroflexion) والهمس (aspiration)، مما يكشف أن الأنظمة التجارية والمفتوحة المصدر الرائدة حالياً غالباً ما تخفق في التقاط هذه الفروق الفونولوجية الدقيقة رغم تسجيلها درجات عالية في معايير الوضوح القياسية.
تقدم هذه الدراسة أول تحليل عابر للثقافات واسع النطاق لتبني نماذج اللغات الكبيرة (LLMs) للدعم العاطفي عبر سبع دول، كاشفةً عن تباينات كبيرة في معدلات الاستخدام والتصورات مدفوعة بالعوامل الديموغرافية والسياق الثقافي، مع تسليط الضوء على الاحتياجات العاطفية المتنوعة التي يسعى المستخدمون لتلبيتها من خلال هذه الأنظمة.
تُعدّ Marco-MoE مجموعة نماذج "خليط الخبراء" (Mixture-of-Experts) متعددة اللغات، مفتوحة بالكامل وعالية التناثر، والتي تستفيد من عملية إعادة التدوء الفعالة (upcycling) لتحقيق أفضل نسب الأداء إلى الحوسبة وتدرج فائق عبر اللغات مقارنة بالمنافسين الأكثر كثافة.
تنتقد هذه الورقة التبعية الهيكلية لأبحاث معالجة اللغات الطبيعية والنماذج اللغوية الكبيرة لواجهة برمجة تطبيقات "بيرسبكتيف" (Perspective API) المملوكة التي ستتوقف عن العمل الآن، مسلطة الض الضوء على كيفية تسبب تحديثاتها الغامضة وتوصيفها الأحادي للسمية في خلق نتائج غير قابلة لإعادة الإنتاج، وتدعو إلى إنشاء بنية تحتية مستقلة وصالحة وقابلة لإعادة الإنتاج للقياس من أجل منع مخاطر معرفية مماثلة في المستقبل.
تقدم هذه الورقة بحثاً حول أداة تقييم أولية فائقة السرعة وتعمل على المعالج المركزي فقط، تستفيد من توزيع ماندلبروت العالمي للرتب والتردد المكون من معلمين لنمذجة مخرجات النماذج اللغوية الكبيرة، وذلك لتمكين البصمة الإحصائية للنماذج وتقييم المخرجات في الصندوق الأسود بتأخير يصل إلى 100,000 مرة أقل من أدوات الكشف الحالية القائمة على أخذ العينات.