11683 ورقة بحثية
تقدم هذه الورقة بحثاً لمتن لغوي جديد من الفكاهة "السيئة" المستمدة من مسابقة "بولور-ليتون" للرواية، كاشفةً أن نماذج اكتشاف الفكاهة القياسية تخفق في استيعاب مزيجها الفريد من الأساليب الأدبية، وأن النماذج اللغوية الكبيرة، رغم قدرتها على محاكاة هذا القالب، تميل إلى المبالغة في هذه السمات وتوليد تركيبات (صفة-اسم) أكثر ابتكاراً من تلك التي يكتبها البشر.
تقدم هذه الورقة نماذج GEMS (النماذج القائمة على الرسوم البيانية لمحاكاة البشر)، وهي نهج يعتمد على الشبكات العصبية الرسومية يصيغ مهام محاكاة البشر مغلقة النهايات كمسألة تنبؤ بالروابط لتتجاوز أو تضاهي أداء النماذج اللغوية الكبيرة مع استخدام عدد معاملات أقل بثلاث مراتب عشرية.
إن AccelOpt هو نظام وكيل لغوي كبير (LLM) ذاتي التحسين يعمل على تحسين نوى مسرعات الذكاء الاصطناحي ذاتياً من خلال الاستفادة من ذاكرة قائمة على الخبرة، محققاً مكاسب كبيرة في معدل الإنتاجية على أجهزة AWS Trainium مع مضاهاة أداء النماذج الاحتكارية باهظة الثمن بجزء ضئيل من التكلفة.
تحدد هذه الورقة البحثية وتتقصى ظاهرة "فقدان الذاكرة الأسلوبية" في نماذج اللغة المنطوقة، مظهرةً أن الأنظمة الحالية تخفق في الحفاظ باستمرار على الأساليب شبه اللغوية (مثل العاطفة، واللكنة، ومستوى الصوت، والسرعة) عبر المحادثات متعددة الأدوار رغم التعليمات الصريحة، وإن كان يمكن التخفيف من حدة هذا الأداء جزئياً من خلال الاستدعاء الأسلوبي الصريح.
تقدم هذه الورقة البحثية MENT، وهي مجموعة بيانات للتقييم الميتافيزيقي للترجمات غير الحرفية، وتقترح RATE، وهو إطار تقييم وكيل (agentic) مبتكر يتفوق بشكل كبير على المقاييس التقليدية ونهج "النماذج اللغوية الكبيرة كحكم" (LLM-as-a-Judge) في التوافق مع الأحكام البشرية لسيناريوهات الترجمة المعقدة.
تقدم هذه الورقة البحثية طريقة ASL، وهي طريقة خالية من التدريب تختار بشكل تكيفي الطبقة المثلى لتقليم الرموز (token pruning) بناءً على تباين درجات الانتباه، مما يوازن بين سرعة الاستنتاج والدقة عبر مهام متنوعة مع التفوق على الأساليب الحالية لتقليم الطبقات ذات الحالة الفنية الأحدث.
يُعد HERMES بنية مبتكرة لا تتطلب تدريباً، حيث يصيغ ذاكرة الـ KV cache كإطار عمل ذاكرة هرمي لتمكين فهم الفيديو المتدفق في الوقت الفعلي وبدقة وكفاءة في استهلاك الموارد، محققاً سرعة أكبر بـ 10 أضعاف في زمن الوصول لأول توكن (time-to-first-token) ودقة أعلى بنسبة تصل إلى 11.4% في مجموعات بيانات البث مقارنة بالطرق الرائدة الحالية.
يُعد CausalEmbed نهجاً ذاتي الانحدار يقلل بشكل كبير من عبء التخزين في استرجاع المستندات المرئية عبر توليد تضمينات متعددة المتجهات مدمجة تتكون من عشرات الرموز فقط، مع الحفاظ على أداء تنافسي من خلال فقدان الهامش التكراري وتمكين التوسع المرن في وقت الاختبار.
تقدم هذه الورقة البحثية استراتيجية "التقليم المقتصر على مرحلة الملء المسبق" (POP)، وهي استراتيجية استدلال مدركة للمراحل تعمل على تسريع عملية الملء المسبق للنماذج الكبيرة عن طريق حذف الطبقات العميقة الزائدة بشكل انتقائي أثناء ترميز السياق مع الحفاظ على دقة النموذج الكاملة لفك تشفير الرموز، مما يحقق تقليلاً كبيراً في زمن الاستجابة مع حد أدنى من فقدان الدقة.
تتقصى هذه الورقة البحثية كيفية تأثير السياق المسترجع على التمثيلات الكامنة الداخلية للنماذج اللغوية الكبيرة في أنظمة التوليد المعزز بالاسترجاع، كاشفةً كيف يشكل كل من صلة الوثيقة والمعالجة على مستوى الطبقات هذه التمثيلات لتفسير سلوكيات التوليد اللاحقة.