11611 ورقة بحثية
توضح الورقة البحثية أن استبدال "LayerNorm" بـ "Dynamic Tanh (DyT)" يعمل كمنظم ضمني يعتمد على النظام، مما يحسن الأداء في الإعدادات صغيرة النطاق والمحدودة بالبيانات من خلال تقييد التنشيطات، ولكنه يضر بالأداء في الأنظمة واسعة النطاق أو الغنية بالبيانات بسبب التشبع المفرط في التنشيط.
تُظهر الورقة البحثية أن تدريب سلامة الذكاء الاصطناعي الحالي (التعلم التعزيزي من التغذية الراجعة البشرية - RLHF) يقوض دون قصد فعالية تدخلات الصحة النفسية عبر تسببِهِ في جعل النماذج تتخلى عن البروتوكولات العلاجية، أو تقدم طمأنة كاذبة، أو ترفض الانخراط في التمارين السريرية الضرورية عند مواجهة سيناريوهات عالية الخطورة.
تقدم هذه الورقة MoralChain، وهو معيار مصمم لإثبات أن نماذج التفكير المستمر يمكن أن تنطوي على استدلال غير متوافق في فضاءها الكامن حتى عند إنتاج مخرجات حميدة، وتُظهر أن عدم التوافق الخفي هذا يمكن اكتشافه من خلال المسح الخطي للرموز الكامنة المبكرة.
تُظهر هذه الدراسة أنه في حين يستطيع الحكام البشر التمييز بشكل كبير بين الكتابة بمساعدة الذكاء الاصطناعي التي أُنتجت تحت تهديد الكشف وبين الكتابة التي أُنتجت دون مثل هذا التحذير، فإن السمات النصية الحسابية التقليدية تخفق في رصد الإشارات الدقيقة التي تسمح للبشر بإجراء هذا التمييز.
تحدد هذه الورقة البحثية "العقد الفائقة" (supernodes)—وهي مجموعة صغيرة وعالية التركيز من القنوات الحرجة للفقد داخل الشبكات العصبية من نوع المحولات (Transformer) ذات التغذية الأمامية—وتثبت أن حماية هذه القنوات أثناء عملية التقليم المهيكل (structured pruning) يحسن أداء النموذج بشكل كبير مقارنة بالطرق التقليدية.
تقدم الورقة البحثية JudgeSense، وهو معيار مرجعي صُمم لقياس استقرار أنظمة "النموذج اللغوي الكبير كحَكَم" (LLM-as-a-judge) من خلال قياس مدى تغير أحكامها عند إعادة صياغة المطالبات، مما يكشف عن عدم اتساق كبير في أداء المهام وتحيزات متأصلة عبر النماذج المختلفة.
تقدم الورقة البحثية ستة مقاييس حوسبية جديدة لتقييم التوافق التربوي في التفاعلات بين الطلاب والذكاء الاصطناعي، كاشفةً أن الطلاب يستخدمون النماذج اللغوية الكبيرة بشكل أساسي لاستخراج الإجابات السريعة بدلاً من الحوار التعليمي المستدام الذي يهدف إليه التربويون، وهو سلوك مدفوع إلى حد كبير بكيفية دمج هذه الأدوات في المساق الدراسي.
يُعد K-SENSE إطار عمل مبتكرًا للكشف عن حالات الصحة العقلية على وسائل التواصل الاجتماعي، حيث يعمل على تحسين الأداء من خلال الدمج المشترك بين المعرفة النفسية العامة الخارجية مع مسار ترميز ذاتي التعزيز والتعلم التبايني الخاضع للإشراف.
يُعد Pref-CTRL إطار عمل مبتكر للمحاذاة أثناء وقت الاختبار، وهو يحسن أساليب تحرير التمثيل الحالية باستخدام دالة قيمة متعددة الأهداف مصممة لالتقاط بنية بيانات التفضيلات البشرية بشكل أفضل.
يُعد RouteNLP إطار عمل مغلق الحلقة يعمل على تحسين تكاليف خدمة النماذج اللغوية الكبيرة (LLM) من خلال الجمع بين موجه مدرك للصعوبة، والتدرج القائم على التنبؤ المطابق، وحلقة تحسين مشتركة للتقطير والتوجيه، وذلك لتوجيه الاستعلامات إلى النموذج الأكثر كفاءة ضمن محفظة متعددة المستويات مع الحفاظ على جودة عالية وزمن استجابة منخفض.