11683 ورقة بحثية
تقدم الورقة البحثية HORIZON، وهو معيار مرجعي جديد واسع النطاق ومتعدد المجالات مبني من 54 مليون مستخدم و35 مليون عنصر، والذي يعيد صياغة نمذجة سلوك المستخدم من خلال مهام ومقاييس تقييم مبتكرة لمعالجة أوجه القصور في المعايير المرجعية الضيقة الحالية ولتعكس سيناريوهات النشر في العالم الحقيقي بشكل أفضل.
تقدم هذه الورقة MedPRMBench، وهو أول معيار مرجعي دقيق لنماذج مكافأة العمليات في المجال الطبي، والذي يستخدم نظام تصنيف شدة جديداً مكوناً من أربعة مستويات وتسميات واسعة النطاق على مستوى الخطوات لتقييم وتحسين اكتشاف الأخطاء في الاستدلال السريري، مما يعزز في النهاية دقة الإجابة على الأسئلة الطبية في المهام اللاحقة.
تقدم هذه الورقة HorizonBench، وهو معيار مرجعي جديد يتميز بمحادثات مستخدم محاكية لمدة 6 أشهر مع مصدر حقيقي للتفضيلات المتطورة، والذي يكشف أن النماذج الرائدة الحالية تعاني بشكل كبير من صعوبة في التخصيص طويل الأمد، ويرجع ذلك أساساً إلى الفشل في تتبع وتحديث حالات المستخدم بمرور الوقت.
تقدم هذه الورقة البحثية "البرامج الاحتمالية للفكر"، وهو إطار عمل في وقت الاختبار يستفيد من احتمالات الرمز التالي (next-token probabilities) من توليد نموذج لغوي كبير واحد لبناء برامج احتمالية مدمجة تمثل عددًا هائلاً من النتائج الحتمية، مما يتيح أخذ عينات فعالة لحلول متنوعة لمهام البرمجة والاستدلال دون الحاجة إلى قدرات حوسبة إضافية من وحدة معالجة الرسومات.
تقدم هذه الورقة البحثية UA-Bench، وهو معيار لتقييم قدرة النماذج اللغوية الكبيرة على التمييز بين عدم اليقين الناتج عن البيانات وعدم اليقين الناتج عن النموذج، مما يكشف أن النماذج الحالية المتطورة تواجه صعوبة في هذا التمييز، وتُظهر أن استراتيجية مقترحة لتخليق البيانات خفيفة الوزن والتعلم المعزز يمكنها تحسين عزاء عدم اليقين بفعالية مع الحفاظ على دقة الإجابة.
تقدم الورقة البحثية إطار عمل CRISP، الذي يستفيد من أنماط الانتباه الجوهرية لنماذج الاستدلال — وتحديداً باستخدام رمز الإنهاء كمرتكز للمعلومات — لتقليص خطوات سلسلة الأفكـات (Chain-of-Thought) الزائدة، محققاً خفضاً بنسبة 50-60% في عدد الرموز (tokens) مع الحفاظ على التماسك المنطقي والدقة.
تكشف هذه الورقة أن مؤشرات الهوية الاجتماعية، ولا سيال التوجه الجنسي والانتماء الديني، تشوه بشكل كبير كلاً من دقة ومعايرة عدم اليقين في النماذج اللغوية الكبيرة الطبية، مما يخلق "أزمة معايرة" تشكل مخاطر جسيمة على النشر السريري الآمن والعادل.
تقدم الورقة البحثية استراتيجية UAG (التوليد الشامل للتجنب)، وهي استراتيجية مستقلة عن النموذج وفعالة حاسوبياً تعزز بشكل كبير تنوع المسارات المتعددة في كل من نماذج الانتشار والنماذج المحولة عبر معاقبة تشابه المخرجات، محققةً تنوعاً أعلى بمقدار يصل إلى 1.9 مرة مع تكاليف حاسوبية أقل بكثير مقارنة بالأساليب الرائدة.
تقدم هذه الورقة إطار عمل "معيار التصحيح الدقيق" (PDB) للكشف عن أن النماذج اللغوية الكبيرة الرائدة، على الرغم من تحقيقها معدلات نجاح عالية في اختبارات الوحدة، تعاني من صعوبة في التصحيح الدقيق بسبب الإفراط المتكرر في تعديل الكود، وهو قصور يستمر حتى مع استخدام الاستراتيجيات التكرارية، مما يستدعي إعادة التفكير في مسارات التدريب اللاحق لنماذج البرمجة.
تقدم هذه الورقة إطار عمل عصبياً-رمزياً يقوم بترجمة الإرشادات السريرية غير المهيكلة إلى منطق رمزي والتحقق منها باستخدام برنامج حل مشكلات الـ SAT للكشف بفعالية عن "التضاربات المحلية" الناشئة عن تعدد الأمراض ومعالجتها، محققةً درجة F1 تبلغ 0.861 ومتفوقةً على النماذج اللغوية الكبيرة الحديثة في ضمان موثوقية توصيات الذكاء الاصطناعي الطبي.