11683 ورقة بحثية
تقدم هذه الورقة إطار عمل مدفوعاً بنماذج اللغات الكبيرة يقوم تلقائياً بتوطين المسائل اللفظية الرياضية في اللغات ذات الموارد المنخفضة من خلال استبدال الكيانات المتمحورة حول اللغة الإنجليزية بأسماء ومنظمات وعملات محلية ذات صلة ثقافياً، مما يعالج ندرة البيانات ويعزز متانة الاستدلال الرياضي متعدد اللغات.
تتقصى هذه الورقة البحثية كيفية تفاعل مؤشرات البروز على مستوى العبارة مع عوامل مستوى الكيان والتباينات النوعية لتحديد البروز على مستوى الخطاب، وتجد أنه في حين ترتبط السمات النحوية بالبروز، فإن العوامل البنيوية للخطاب والدلالية تعد محددات أكثر قوة عبر 24 نوعاً أدبياً من اللغة الإنجليزية.
تقدم هذه الورقة BASIL، وهو إطار عمل احتمالي بايزي يعمل على فصل تحولات المعتقدات الناتجة عن التملق عن التحديثات العقلانية في النماذج اللغوية الكبيرة، مما يوفر مقاييس لتحديد وقياس وتخفيف حدة التملق حتى في المهام التي تفتقر إلى تسميات الحقيقة الأرضية.
تقدم الورقة البحثية Evalet، وهو نظام تفاعلي يستخدم التجزئة الوظيفية لتفكيك المخرجات المولدة بواسطة النماذج اللغوية الكبيرة إلى مكونات بلاغية رئيسية، مما يمكّن الممارسين من تجاوز الدرجات الشمولية الغامضة وتحديد عدم توافق التقييم المحدد من خلال تحليل نوعي دقيق.
تتقصى هذه الورقة البحثية تأثير حجم المفردات والتهيئة على نماذج الاسترجاع المتناثرة المتعلمة، حيث تُثبت أن نماذج ESPLADE ذات المفردات المُدربة مسبقاً بحجم 100 ألف تتفوق على النماذج القياسية ذات الـ 32 ألفاً من حيث الفعالية مع الحفاظ على تكاليف حوسبة مماثلة بعد عملية التقليم، مما يسلط الضضواء على تكوين المفردات كعامل حاسم لتحسين كفاءة وفعالية الاسترجاع.
تتقصى هذه الورقة البحثية "العمر الافتراضي" لنماذج الحكم من النماذج اللغوية الكبيرة (LLMs) التي خضعت للضبط الدقيق، وذلك عبر صياغة وتقييم قدرتها على مواكبة المستقبل، والتوافق مع الإصدارات السابقة، وتعميم الأسئلة، مما يكشف أنه في حين أن التوافق مع الإصدارات السابقة يتسم بالمتانة، فإن مواكبة المستقبل تظل تحدياً، كما تعاني النماذج الحالية من صعوبة في التعميم الكامل على الأسئلة غير المرئية.
تقدم هذه الورقة أول مسح للمجال الناشئ المتمثل في استخدام أوصاف المفاهيم باللغة الطبيعية لتفسير مكونات النماذج اللغوية الكبيرة، حيث تراجع بشكل منهجي طرق التوليد، ومقاييس التقييم، ومجموعات البيانات، مع تسليط الضوء على الحاجة الملحة لإجراء تقييم سببي أكثر صرامة لتعزيز شفافية النموذج.
يُعد CreditDecoding طريقة فك تشفير متوازية لا تتطلب تدريباً لنماذج اللغات الكبيرة القائمة على الانتشار، حيث تعمل على تسريع الاستنتاج من خلال إدخال "رصيد الأثر" (Trace Credit) لقياس واستغلال التكرار الزمني في آثار إزالة الضجيج، مما يعزز ثقة الرموز المتوقعة بشكل صحيح ولكنها تفتقر إلى الثقة الكافية لتحقيق تسريع كبير دون التضحية بالدقة.
تكشف هذه الورقة أن النماذج اللغوية الكبيرة تخلط بين الصلاحية المنطقية والمعقولية الدلالية لأن هذه المفاهيم متوافقة خطياً في تمثيلاتها الداخلية، وتُظهر أن تطبيق نواقل التوجيه لفك الارتباط بينهما يمكن أن يقلل بفعالية من تحيزات المحتوى ويحسن دقة الاستدلال.
تقدم هذه الورقة PA-Tool، وهي طريقة لا تتطلب تدريبًا تعمل على تحسين دقة استخدام الأدوات في النماذج اللغوية الصغيرة من خلال تكييف مخططات الأدوات لتتطابق مع المعرفة المسبقة للنماذج، مما يقلل أخطاء عدم تطابق المخططات بنسبة تصل إلى 80% دون الحاجة إلى إعادة تدريب النموذج.