11611 ورقة بحثية
تقدم هذه الورقة Human-1، وهو أول نظام حوار صوتي كامل الازدواج (full-duplex) مفتوح وقابل لإعادة الإنتاج للغة الهندية، والذي يعمل على تكييف بنية Moshi باستخدام أداة ترميز (tokenizer) مخصصة و26,000 ساعة من بيانات المحادثات الواقعية لتمكين سلوكيات كلامية طبيعية مثل المقاطعات والتداخلات.
تقترح الورقة البحثية طريقة **SHEAR**، التي تعمل على تحسين التعلم المعزز لمهام الاستدلال من خلال استخدام مسافة واسرستاينين (Wasserstein distance) بين توزيعات الحالات الخفية للمسارات الصحيحة والخاطئة لإجراء تخصيص دقيق للائتمان على مستوى الرمز (token-level credit assignment) دون الحاجة إلى نماذج مكافأة إضافية أو تعليقات توضيحية على مستوى الخطوة.
تقترح هذه الورقة إطار عمل قوي لاسترجاع الصوت والنص يستخدم وحدة تحسين التضمين عبر الوسائط ودالة فقدان هجينة للتعامل بفعالية مع الصوت الطويل والضوضائي وضعيف التسمية، حتى في ظل قيود التدريب ذات الدفعات الصغيرة.
تقدم الورقة البحثية "التعلم المعزز بهامش الثقة" (RLCM)، وهو إطار عمل يعمل على تحسين معايرة الاستدلال في النماذج اللغوية الكبيرة من خلال استخدام مكافأة عملية معززة بالهامش لتوسيع فجوة الثقة بين خطوات الاستدلال الوسيطة الصحيحة والخاطئة، مما يؤدي إلى تقليل الإفراط في الثقة وتمكين الحوسبة الأكثر كفاءة في وقت الاختبار.
باستخدام الترقيع التنشيطي لنقل الحالات الخفية من آثار الاستدلال إلى عمليات الإجابة المباشرة، يوضح المؤلفون أن رموز "سلسلة الأفكار" الفردية تشفر معلومات كافية ذات صلة بالمهمة لاستعادة الإجابات الصحيحة حتى عندما يكون أثر الاستدلال الأصلي معيباً.
إن VeriLLMed هو نظام تحليلات بصرية يدمج الرسوم البيانية للمعرفة الطبية الحيوية لمساعدة المطورين على تدقيق وتصحيح النماذج اللغوية الكبيرة الطبية من خلال تحويل مخرجات النماذج إلى مسارات استدلال قابلة للمقارنة وتحديد فئات متكررة من الأخطاء التشخيصية.
لمعالجة مقايضة الاستقرار واللدونة في الاسترجاع التوليدي المستمر، تقترح الورقة البحثية ضبط ذاكرة ما بعد التكيف (PAMT)، وهي طريقة تستخدم رأس ذاكرة بارامتريًا متفرقًا ونمطيًا لتوفير تصحيحات متبقية أثناء فك التشفير، مما يسمح للنموذج بتعلم مستندات جديدة دون التسبب في نسيان كارثي لما تعلمه سابقًا.
تعيد هذه الورقة إنتاج فعالية طريقة التخطيط المسبق في الاسترجاع التوليدي (PAG) مع إثبات أن أداءها حساس لتباينات الاستعلام، مثل الأخطاء المطبعية وعدم التطابق عبر اللغات، والتي يمكن أن تزعزع استقرار إشارة التخطيط الاستباقي.
يُعد "إيفولف" (Evolve) إطار عمل يعزز دقة النماذج اللغوية الصغيرة بشكل كبير عبر ربطها بمخزن معرفي مستمر ومُجمع من قِبل المعلم، يستخدم التقسيم الدلالي، والدمج غير المتصل بالإنترنت، والتحديث القائم على الاستخدام لتوفير استرجاع معرفي فعال وقابل للتدقيق.
تقيم هذه الدراسة فعالية النماذج اللغوية الكبيرة الجاهزة في تصنيف النصوص العلمية باستخدام تصنيف ORKG الهرمي، حيث وجدت أن تسلسل الأوامر (prompt chaining) يتفوق على التعلم داخل السياق (in-context learning) والنماذج المتطورة للفئات العليا، لكنه لا يزال يعاني في تصنيف المواضيع العميقة من المستوى الثالث.