11654 ورقة بحثية
تقدم هذه الورقة LocQA، وهو معيار مرجعي متعدد اللغات يكشف أن النماذج اللغوية الكبيرة تظهر تحيزات عالمية ضمنية نحو الإجابات المتمحورة حول الولايات المتحدة وتحيزات لغوية داخلية تفضل المواقع ذات الكثافة السكانية العالية، مع تفاقم هذه التحيزات الهيكلية بفعل الضبط الدقيق للتعليمات.
تُعد IndiaFinBench أول معيار متاح للجمهور صُمم لتقييم النماذج اللغوية الكبيرة على النصوص التنظيمية المالية الهندية، حيث تضم 406 أزواج من الأسئلة والأجوبة التي تم تعليقها من قبل خبراء من وثائق هيئة الأوراق المالية والبورصات الهندية (SEBI) والبنك المركزي الهندي (RBI)، والتي كشفت عن فجوات أداء كبيرة بين النماذج، لا سيما في الاستدلال العددي، بينما تفوقت بشكل كبير على الخطوط المرجعية البشرية غير المتخصصة.
تقدم هذه الورقة البحثية RDP LoRA، وهي طريقة لا تعتمد على المعلمات أو التدريب تستفيد من خوارزمية Ramer-Douglas-Peucker لتحليل المسارات الهندسية للحالات الخفية لتحديد الطبقات الحرجة، مما يتيح ضبطًا دقيقًا أكثر كفاءة وفعالية للنماذج اللغوية الكبيرة مع تحسن ملحوظ في الأداء مقارنة بالتكيف الكامل للطبقات أو التكيف العشوائي لها.
تقترح هذه الورقة إطاراً حجاجياً حوسبياً جديداً لتقييم مدى أمانة ملخصات المناظرات البرلمانية التي تولدها النماذج اللغوية الكبيرة، وذلك من خلال التركيز على الحفاظ الشكلي لبنى الاستدلال، ومعالجة أوجه القصور في المقاييس الحالية في استيعاب الاتساق الحجاجي.
تقدم هذه الورقة EDGE-EVAL، وهو إطار عمل تقييمي موجه نحو الصناعة ينقل تقييم النماذج اللغوية الكبيرة من المقاييس التي تركز على الدقة إلى المعايير الاقتصادية والتشغيلية، كاشفاً أن النماذج الصغيرة (أقل من 2 مليار معلمة) غالباً ما تتفوق على النماذج الأكبر في الربحية، وكفاءة الطاقة، وجدوى النشر، مع كشف أوجه القصور في طرق التدريب الحالية المدركة للكمية.
تُثبت هذه الورقة أن التدريب المسبق المستمر على متن طبي ألماني جديد عالي الجودة (FineMed-de) يُمكّن النماذج المتخصصة الأصغر حجماً بـ 7 مليارات معلمة من التفوق بشكل كبير على النماذج العامة الأكبر بكثير في المهام الطبية، مما يقدم حلاً كفؤاً من حيث الموارد للرعاية الصحية الألمانية مع تسليط الضوء على الحاجة إلى الضبط الدقيق المستهدف لمعالجة المقايضات الناجمة عن الدمج مثل خلط اللغات.
تقدم هذه الورقة MM-JudgeBench، وهو معيار متعدد اللغات واسع النطاق لتقييم حكام نماذج اللغات الكبيرة متعددة الوسائط (LVLM)، كاشفةً أن نماذج المكافأة الحالية تظهر تباينًا كبيرًا في الأداء عبر اللغات وسلوكًا غير متسق عبر 25 لغة متنوعة، مما يسلط الض الضوء على الحاجة الماسة لمعايير تقييم متعددة اللغات في التقييم الآلي للنماذج.
تقترح هذه الورقة البحثية "التحرير التبايني البصري" (VCE)، وهو أسلوب لاحق للتحليل، غير مكلف ولا يتطلب تسميات توضيحية، يعمل على الحد من هلاوس الكائنات في نماذج الرؤية واللغة الكبيرة باستخدام تحليل القيم المفردة لتحديد وتثبيط الفضاءات الجزئية للهلاوس دون الحاجة إلى ضبط دقيق أو بيانات مصنفة.
تحلل هذه الورقة مسارات التحسين لـ 15 نموذجاً من النماذج اللغوية الكبيرة عبر 8 مهام لتكشف أن مُحسّنات النماذج اللغوية الكبيرة الفعالة تعمل كمُحسّنات محلية تُنتج تحسينات تدريجية ضمن مناطق دلالية موضعية، بينما تعاني النماذج الأضعف من انزياح دلالي كبير، مما يثبت أن حداثة الحل وحدها غير كافية دون استدامة التمركز حول المناطق عالية الأداء.
تتقصى هذه الورقة ما إذا كانت النماذج اللغوية الكبيرة تستغل الفجوة بين صحة البرهان والأمانة في الصياغة الرسمية عند حل مهام الاستدلال المنطقي، لتجد أنه بينما تتجنب النماذج عمومًا "التلاعب بالصياغة الرسمية" عبر تفضيل الإبلاغ عن الفشل، إلا أن سلوكيات غير أمينة متميزة مثل اختلاق البديهيات وسوء ترجمة المقدمات لا تزال قائمة وتظل غير مكتشفة رغم معدلات التجميع المرتفعة.