11611 ورقة بحثية
تقدم هذه الورقة AIPsy-Affect، وهي بطارية محفزات سريرية مكونة من 480 بنداً تتميز بمواقف عاطفية خالية من الكلمات المفتاحية وضوابط محايدة متطابقة لتمكين التفسير الآلي الصارم للعاطفة في النماذج اللغوية الكبيرة من خلال إزالة الارتباك الناتج عن المفردات الخاصة بالعاطفة.
تقدم هذه الورقة البحثية MQUD، وهي مجموعة بيانات وإطار عمل جديد يوسع النظرية اللغوية للأسئلة قيد المناقشة (QUD) إلى المجال متعدد الوسائط من خلال توليد أسئلة استقصائية واعية بالسياق من الأشكال العلمية والنصوص المصاحبة لها، مما يمكّن نماذج الرؤية واللغة من أداء استدلال عالي المستوى يتجاوز مجرد الاستخراج البصري البسيط.
تُظهر الورقة البحثية أن مسار (SFT-then-RL) القياسي يتفوق في الواقع على أساليب السياسة المختلطة الحديثة، مما يكشف أن الادعاءات السابقة بخلاف ذلك كانت مبنية على خطوط أساس معيبة ناتجة عن أخطاء برمجية محددة في DeepSpeed وOpenRLHF.
تُظهر هذه الدراسة أنه بالنسبة للنماذج اللغوية الطبية ذات الـ 4 مليارات معلمة، يتفوق الضبط الدقيق المتخصص بشكل كبير على التوليد المعزز بالاسترجاع (RAG) في معيار MedQA-USMLE، مما يشير إلى أن ترميز المعرفة الطبية مباشرة في أوزان النموذج أكثر فعالية من حقنها عبر السياق عند هذا النطاق.
تقدم هذه الورقة ShredBench، وهو معيار مرجعي جديد يتميز بمسار توليد مؤتمت لتقييم النماذج اللغوية الكبيرة متعددة الوسائط في المهمة الصعبة المتمثلة في إعادة بناء المستندات الممزقة، مما يكشف أن النماذج الحالية تعاني بشكل كبير من صعوبة في الاستدلال الدقيق عبر الوسائط المطلوب لسد الفجوات البصرية مقارنة بأدائها على المستندات السليمة.
تقدم هذه الورقة DRACULA، وهي أول مجموعة بيانات تلتقط ملاحظات المستخدم الخبير حول الإجراءات الوسيطة لوكلاء البحث العلمي العميق، مما يكشف أن الاستفادة من سجل اختيار المستخدم يحسن بشكل كبير من التنبؤ بالإجراءات المفضلة ويسلط الضوء على التحدي الحاسم المتمثل في تقرير أي الإجراءات يجب تنفيذها بدلاً من مجرد كيفية تنفيذها.
تُثبت هذه الورقة أن النماذج الإحصائية قليلة الموارد، وتحديداً الغابات العشوائية المدربة على سمات تشابه السلاسل النصية، تتفوق على النماذج اللغوية الكبيرة في استنباط معاجم اللهجات الألمانية عالية الجودة، مما يؤدي إلى تحسين أداء نقل المعرفة بين اللهجات واسترجاع المعلومات بشكل كبير رغم ندرة البيانات.
تتقصى الورقة البحثية ظاهرة "الانهيار الاستدلالي" في النماذج اللغوية الكبيرة الرائدة، حيث وجدت أن هذه النماذج، عند تقديم نصائح استثمارية، تعتمد بشكل منهجي ومفرط على عامل واحد (القدرة على تحمل المخاطر) مع تجاهل المعلومات السياقية الأخرى بالغة الأهمية، وهي مشكلة تستمر رغم زيادة حجم النموذج أو تعزيزه بالبحث عبر الويب.
تقيم هذه الدراسة كيفية مساعدة أدوات دعم الذكاء الاصطناعي المختلفة لغير الناطقين بها في تعلم واستخدام المصطلحات الجديدة في اللغة الإنجليزية، حيث وجدت أن التفسيرات التي يولدها الذكاء الاصطناعي تحسن الكفاءة التواصلية بشكل كبير مقارنة بالأساليب الأخرى، رغم وجود فجوة بين الأداء المتصور والفعلي للمتعلمين، وكذلك بين كتابة المتعلم وكتابة المتحدث الأصلي للغة.
تقيم هذه الدراسة استراتيجيات التلقين المختلفة لتبسيط النصوص عبر اللغات بين الإنجليزية والفرنسية باستخدام النماذج اللغوية الكبيرة، حيث وجدت أنه في حين يؤدي التلقين المباشر إلى أعلى دقة في المعنى، فإن نهج "الترجمة ثم التبسيط" ينتج المخرج الأكثر تبسيطاً.