11683 ورقة بحثية
تقدم هذه الورقة معيار DIVA ومقياس فجوة المحاذاة الدلالية (Semantic Alignment Gap) لإثبات أن نماذج الرؤية واللغة تظهر تحيزاً متسقاً نحو التفسير الحرفي، حيث يفشل تعزيز الدقة البصرية وحجم النموذج في حل الصعوبات المتعلقة بالمعاني الاصطلاحية المجردة، مما يشير إلى أن التجريد الأيقوني ضروري لتحسين الفهم التركيبي.
تتناول هذه الورقة البحثية ضعف نماذج اللغة المنطوقة تجاه المقاطعات من أطراف ثالثة عبر تقديم مجموعة بيانات TPI-Train وإطار تقييم TPI-Bench، واللذين يعملان معاً على الحد من تعلم الاختصارات الدلالية وفرض أولوية الإشارات الصوتية لتمكين تفاعلات صوتية متعددة الأطراف تتسم بالمتانة.
تقدم هذه الورقة ArgBench، وهو أول معيار مرجعي موحد يضم 33 مجموعة بيانات و46 مهمة لتقييم وتحليل أداء خمس عائلات من النماذج اللغوية الكبيرة بشكل منهجي عبر قدرات استدلالية حوسبية متنوعة، بما في ذلك تنقيب الحجج، وتقييم الجودة، والاستدلال، والتوليد.
تقترح هذه الورقة طريقة "إعادة التشكيل الموجهة بالتمثيل ذات الرتبة المنخفضة" (REGLU)، وهي طريقة جديدة فعالة من حيث المعلمات تستفيد من الخصائص الهندسية لفضاءات التمثيل للتغلب على المقايضة بين النسيان والاحتفاظ، وذلك عبر تهيئة "LoRA" في فضاء فرعي أمثل وتقييد التحديثات في المتمم المتعامد لتمثيلات مجموعة الاحتفاظ، مما يحقق جودة تعلم نسيان فائقة مع الحفاظ على فائدة النموذج.
تقترح الورقة البحثية DuConTE، وهو مشفر نصوص ثنائي التدرج يدمج طوبولوجيا الرسم البياني في آليات الانتباه للنماذج اللغوية المتتالية لالتقاط التبعيات الدلالية على مستوى الكلمات ومستوى العقد للرسوم البيانية ذات النصوص الملحقة، محققاً أداءً هو الأفضل في فئته.
تقدم هذه الورقة إطار عمل هجينًا لدمج "سلسلة الأفكار" (CoT) و"سلسلة البرامج" (PoT) يحسن دقة الاستدلال بشكل كبير مع تقليل التكلفة الحسابية لـ "الاتساق الذاتي" بمقدار 9.3 ضعفًا، مما يتيح حل 78.6% من المهام باستخدام عينتين فقط.
يُعد CoAct إطار عمل مبتكر يجمع بشكل تآزري بين التعلم ذاتي المكافأة والتعلم النشط من خلال التعاون الاستراتيجي بين الإنسان والذكاء الاصطناي لتجاوز ندرة بيانات التفضيلات عالية الجودة، محققاً تحسينات كبيرة في الأداء على معايير الاستدلال مثل GSM8K وMATH وWebInstruct.
تقدم الورقة البحثية ONTO، وهو تنسيق تسلسل عمودي مبتكر يقلل بشكل كبير من استهلاك رموز مدخلات النماذج اللغوية الكبيرة (LLM) وزمن انتقال الاستدلال عن طريق التخلص من أسماء الحقول المتكررة مع الحفاظ على قابلية القراءة البشرية والبنية الهرمية، دون المساس بدقة المهام.
تقدم الورقة البحثية PoliLegalLM، وهو نموذج لغوي كبير متخصص في الشؤएं السياسية والقانونية، يستخدم إطار تدريب موحدًا يجمع بين التدريب المسبق المستمر، والضبط الدقيق الخاضع للإشراف، والتعلم المعزز القائم على التفضيل لتحقيق أداء متفوق في الاختبارات المعيارية القانونية والمهام الواقعية مقارنة بالنماذج ذات الحجم المماثل وتلك الأكبر حجمًا بشكل ملحوظ.
تقترح الورقة البحثية CoSearch، وهو إطار عمل يقوم بتدريب وكيل استدلال متعدد الخطوات ونموذج ترتيب مستندات توليدي بشكل مشترك عبر تحسين السياسة النسبي المجموعي (GRPO) باستخدام التجميع الدلالي والمكافآت المركبة، مما يثبت أن تحسين كلا المكونين معاً يتفوق بشكل كبير على النهج الحالية التي تعامل الاسترجاع كأداة ثابتة.