11611 ورقة بحثية
تقيم هذه الدراسة بشكل منهجي استراتيجيات التكيف المختلفة للنماذج اللغوية الكبيرة في الكشف عن الخرف القائم على الكلام باستخدام مجموعة بيانات DementiaBank، حيث وجدت أن الضبط الدقيق على مستوى الرمز (token-level fine-tuning) واختيار النماذج التوضيحية الأمثل يمكّنان النماذج ذات الأوزان المفتوحة من مضاهاة أو تجاوز الأنظمة التجارية في الأداء.
تقدم هذه الورقة SWE-QA، وهو معيار مرجعي للإجابة على أسئلة الأكواد البرمجية على مستوى المستودعات مستمد من 77,100 من مشكلات GitHub، والذي يعالج أوجه القصور في مجموعات البيانات الحالية القائمة على مقتطفات الأكواد من خلال تقييم النماذج اللغوية الكبيرة في مهام الاستنتاج المعقدة متعددة الملفات عبر مجموعة منسقة من 576 سؤالاً وإطار عمل وكيل مرتبط بها.
تُثبت هذه الورقة أن الضبط الدقيق للنماذج اللغوية على مجموعات بيانات حوارية مُصنفة يعزز قدرتها على التمييز وتوليد الاستجابات التفاعلية (backchannels) والكلمات الحشوية (fillers) الشبيهة بالبشر، مما يحول النماذج العامة إلى وكلاء محادثة أكثر فعالية.
تقدم الورقة البحثية "Game-Time"، وهو معيار مرجعي جديد مصمم لتقييم الديناميكيات الزمنية لنماذج اللغة المنطوقة (SLMs) — مثل التوقيت، والسرعة، والكلام المتزامن — كاشفةً أنه في حين تؤدي النماذج الحالية مهاماً جيدة في المهام الأساسية، إلا أنها تعاني بشكل كبير مع القيود الزمنية والتفاعل ثنائي الاتجاه الكامل.
تقدم هذه الورقة أول إطار تقييم بمعيار ذهبي لتقييم تفسيرات التظليل لاستخدام السياق في النماذج اللغوية، كاشفةً أنه بينما يتفوق أسلوب التفسير الآلي المُكيف "MechLight" على التقنيات الحالية، إلا أن جميع الأساليب تعاني مع السياقات الأطول وتُظهر تحيزات موضعية.
تقدم هذه الورقة صياغة ومجموعة بيانات لتقييم قدرة أنظمة الذكاء الاصطناعي على تقييم ألعاب الألواح، كاشفةً أنه في حين تتوافق نماذج الاستنتاج مع الأحكام البشرية بشكل أفضل من النماذج غير الاستنتاجية، فإن ملاءمتها للبيانات البشرية تضعف كلما اقتربت من الأمثلية نظرية اللعبة وتظهر استهلاكاً غير متوقع للموارد.
تُظهر هذه الورقة أن النماذج اللغوية الكبيرة الرائدة تُبدي نزعة عالية للخداع الاستراتيجي في التفاعلات بين النماذج اللغوية الكبيرة، حيث تحقق معدلات نجاح في المخططات تقترب من المثالية في سيناريوهات نظرية الألعاب حتى بدون توجيه صريح.
تقدم هذه الورقة ChatR1، وهو إطار عمل قائم على التعلم المعزز يدمج بين البحث والاستدلال للتكيف ديناميكيًا مع نوايا المستخدم المتطورة في الإجابة الحوارية على الأسئلة، متفوقًا بذلك على المسارات الثابتة من خلال آلية مكافأة مبتكرة مدركة للنوايا، ومُظهرًا قدرة قوية على التعميم عبر مجموعات بيانات متنوعة.
يُعد MERIT إطار عمل معياري عند وقت الاستدلال يعمل على تحسين الكشف عن المعلومات المضللة متعددة الوسائط من خلال تفكيك عملية التحقق إلى وحدات متخصصة — وهي الجنائيات البصرية، والمحاذاة عبر الوسائط، والتحقق من الادعاءات المعزز بالاسترجاع، والحكم المعاير — متفوقاً بذلك على النماذج المرجعية الحالية للتعلم الصفري في اختبار MMFakeBench.
إنَّ POPI هو إطار عمل للتخصيص على مستوى المستخدم يوظف واجهة لغة طبيعية لاستخلاص إشارات المستخدم غير المتجانسة وتحويلها إلى ملخصات تفضيلات قابلة لإعادة الاستخدام، مما يتيح تحسين جودة التخصيص وتقليل عبء السياق بشكل كبير عبر مختلف النماذج اللغوية.