11070 ورقة بحثية
تكشف هذه الورقة أن قدرة النماذج اللغوية الكبيرة على التنقل بين معتقدات المستخدم والحقائق حساسة للغاية للصياغة، حيث إن ميلها الافتراضي للتحقق من صحة الادعاءات غالبًا ما يؤدي بها إلى تجاوز المعتقدات المصرح بها، لا سيما عند استخدام أفعال معرفية محددة.
تقدم الورقة البحثية BayesPrompt، وهو إطار عمل للاستدلال البايزي اللاحق يعيد صياغة تحسين الأوامر (prompt optimization) لإنشاء أوامر قابلة للقراءة من قبل البشر بكفاءة، متجاوزاً بذلك عدم وضوح الطرق التقليدية مع إثبات أداء فائق على مجموعات البيانات الواقعية.
تقدم هذه الورقة البحثية BEAR-Bench، وهو معيار تقييم ثنائي اللغة (الإنجليزية-الروسية) يتكون من 1,000 سؤال تم تصنيفها بشرياً بناءً على وثائق مؤسسية وأكاديمية غنية بالنصوص لتقييم قدرات الاستدلال المعقدة وموثوقية كشف الهلوسة للنماذج اللغوية الكبيرة متعددة الوسائط، مما يكشف عن فجوات أداء كبيرة حتى بين الأنظمة الأكثر تطوراً.
تقدم الورقة البحثية SpeechSense، وهو مجموعة بيانات مبتكرة تتميز بتصنيف مكون من 8 فئات للمواقف بين الأشخاص مستمدة من الإشارات النبرية، مما يثبت أن النماذج التي تستفيد من المعلومات الصوتية تتفوق بشكل كبير على النهج المعتمدة على النص فقط في تحليل مشاعر الكلام دقيق التفاصيل.
تكشف هذه الورقة أن الطبقات العميقة للنماذج اللغوية الكبيرة تنظم بطبيعتها تمثيلات السياق الطويل في شبكات "العالم الصغير" (Small-World networks) حيث تتقلص المسافات الدلالية إلى ست قفزات أو أقل، وهو توقيع طوبولوجي يميز بفعالية بين الاستدلال الواقعي والهلوسة في عملية التوليد المعزز بالاسترجاع (RAG).
تقدم هذه الورقة AVShift، وهو أول معيار ألماني لتقييم التحقق من التأليف بشكل منهجي تحت تأثير تحولات التوزيع في النوع والزمن وعصر الذكاء الاصطناائي، كاشفاً أن النماذج اللغوية الكبيرة الضخمة التي تم ضبطها بدقة هي الأفضل في التعميم عبر الأنواع، بينما يؤدي الانحراف الزمني إلى تدهور الأداء بشكل كبير، رغم عدم رصد أي تحول ملموس في عصر الذكاء الاصطناعي.
تقترح هذه الورقة إطار عمل للتحكيم القائم على النماذج اللغوية الكبيرة (LLM) يتميز بالتحكم في المخاطر، حيث يقوم بتوجيه الحالات ديناميكياً بين الأنماط البارامترية والأنماط المعززة بالاسترجاع بناءً على عتبات عدم يقين مُعايرة، مما يضمن بقاء معدل الاكتشاف الخاطئ للأحكام المقبولة دون المستوى المحدد من قبل المستخدم مع تعظيم نطاق التغطية.
تقدم هذه الورقة "سلسلة الخبرة" (Chain-of-Experience - CoE)، وهو إطار عمل يُمكّن النماذج اللغوية الكبيرة من التحسن المستمر أثناء عملية الاستدلال عبر تراكم آثار تجريبية تكرارية من التغذية الراجعة الذاتية والبيئية، مما يتفوق باستمرار على النماذج المرجعية ذات الخطوة الصفرية في مهام الرياضيات والبرمجة والمعرفة مع تقليل تكاليف واجهة برمجة التطبيقات (API).
تكشف هذه الورقة عن هشاشة الوكلاء ذاتيي التحسين القائمين على الذاكرة من خلال إثبات أن أداءهم حساس للغاية لتباين التقييم وترتيب المهام بسبب عدم التحديد، مما يدعو إلى بروتوكولات تقييم أكثر صرامة وتعزيز الإشراف البشري.
تُظهر هذه الدراسة أن نظام ذكاء اصطناعي متعدد الوكلاء ومنشور محلياً يقوم بهيكلة تقارير الأشعة بفعالية إلى أقسام تشريحية معيارية ويجري فحوصات لضمان الجودة بأداء إيجابي تم التحقق منه من خلال تقييم أطباء أشعة مستقلين.