11683 ورقة بحثية
تقترح الورقة البحثية إطار العمل C2، وهو إطار عمل قابل للتوسع يدرب نموذج مكافأة ليتعاون بشكل نقدي مع مولد معايير مستمد حصرياً من التفضيلات الثنائية، مما يؤدي بفعالية إلى تصفية المعايير المضللة لتحقيق أداء فائق دون الحاجة إلى عمليات تعليق خارجي مكلفة.
تقدم هذه الورقة البحثية Syn-TurnTurk، وهي مجموعة بيانات حوارية تركية اصطناعية تم إنشاؤها بواسطة نماذج Qwen اللغوية الكبيرة لمعالجة ندرة الموارد الخاصة بالتنبؤ بتبادل الأدوار، مما يثبت أن النماذج المتقدمة المدربة على هذه البيانات تحقق دقة عالية في إدارة توقيت الحوار الطبيعي وتقليل المقاطعات.
تتقصى هذه الورقة البحثية ظاهرة الإفراط في التدريب الكارثي في النماذج اللغوية الكبيرة أثناء الضبط الدقيق الخاضع للإشراف، كاشفةً أن اضمحلال معدل التعلم يزيد من حدة النموذج ويفاقم النسيان الكارثي، مما يوضح كيف تتوسط معدلات التعلم ديناميكيات التحسين لإنتاج نماذج مختلفة نوعياً.
تقدم هذه الورقة البحثية "فك التشفير التخميني المعاير" (CSD)، وهو إطار عمل خالٍ من التدريب يعزز كفاءة الاستدلال من خلال استعادة الرموز الصالحة ولكن المتباعدة معجمياً عبر اختيار المرشحين الموجه بالتردد والقبول المحمي بالاحتمالية، محققاً زيادة في سرعة الإنتاجية تصل إلى 2.33 ضعفاً مع الحفاظ على دقة النموذج.
تقترح هذه الورقة أن العدالة في النماذج اللغوية الكبيرة لا تنبثق من التحسين الفردي، بل كخاصية إجرائية للتعاون بين الوكلاء المتعددين، مبرهنةً من خلال محاكاة لفرز الحالات في مستشفى أن التفاوض التنافسي بين وكلاء متوافقين وآخرين منحازين يمكن أن ينتج نتائج ملائمة أخلاقياً لم يكن لأي منهم تحقيقها بمفرده، وبذلك يتجاوز قيود مبرهنة أرو باستحالة الاختيار.
تقدم الورقة البحثية Co-FactChecker، وهو إطار عمل تعاوني بين الإنسان والذكاء الاصطناعي للتحقق من الادعاءات يعمل على تعزيز نماذج الاستدلال الكبيرة عبر ترجمة ملاحظات الخبراء إلى تعديلات مباشرة في مسار تفكير النموذج، مما يتفوق على أساليب الحوار متعدد الدورات التقليدية في جودة الاستدلال وقابلية التفسير.
يُعد Doc-V* إطار عمل وكيلًا يعتمد على تقنية التعرف الضوئي على الحروف بدون الحاجة لعملية OCR، وهو مخصص للمهام متعددة الصفحات من نوع (Document VQA)، حيث يستخدم استراتيجية استدلال تفاعلية من الخشن إلى الناعم، تجمع بين نظرات عامة مصغرة وبين الاسترجاع الدلالي النشط وتجميع الذاكرة المهيكلة لتحقيق دقة وكفاءة متفوقتين مقارنة بالنماذج المرجعية الحالية.
تجادل هذه الورقة بأن أنظمة العلامات المائية لمحتوى الذكاء الاصطناعي الحالية تظهر "فجوة تقييم تعددية" من خلال فشلها في مراعاة كيفية تأثير تنوع المحتوى عبر اللغات والثقافات والديموغرافيا على أداء الكشف، مما يستلزم معايير قياس جديدة وعمليات تدقيق للعدالة قبل النشر لضمان الحوكمة المنصفة.
تقترح الورقة البحثية MAGE، وهو إطار عمل لـ "إلغاء التعلم" (unlearning) لا يعتمد على المتون، يستخدم ركائز مستخدم خفيفة الوزن لاستعادة وتنظيم الذاكرة المستهدفة تلقائياً في رسم بياني للذاكرة، مما يؤدي إلى توليد إشراف محدد النطاق لمحو المحتوى الحساس من النماذج اللغوية الكبيرة بفعالية دون الحاجة إلى الوصول إلى بيانات التدريب الأصلية.
تُعد QuantileMark طريقة وسم مائي متعددة البتات ذات صندوق أبيض للنماذج اللغوية الكبيرة، تضمن تناظر الرسالة وكشفاً قوياً من خلال تضمين الرسائل داخل فئات احتمالية متساوية الكتلة في التوزيع التراكمي المستمر، مما يحافظ على جودة التوليد مع تحقيق قوة دليل موحدة عبر جميع الرسائل.