11683 ورقة بحثية
تحدد هذه الورقة وتحلل "المحسوبية القائمة على النماذج اللغوية الكبيرة"، وهو انحياز حيث تفضل أنظمة التوظيف المدفوعة بالذكاء الاصطناğu المرشحين الذين يعبرون عن الثقة في الذكاء الاصطناعي على المتشككين، مما يؤدي إلى منظمات متجانسة عرضة لإخفاقات التفويض، وتقترح طريقة "تحليل عامل الاستعداد للجدارة" للتخفيف من هذا التمييز القائم على المواقف.
تقترح هذه الورقة إطار عمل شاملاً لقابلية التفسير والاعتماد للتقييمات التعليمية المولدة بواسطة الذكاء الاصطناعي، وذلك باستخدام أدلة المواءمة المعرفية، والبيانات الوصفية المهيكلة، وسير عمل نظام إشارات المرور لضمان الشفافية، والقابلية للتدقيق، والقبول المؤسسي.
تقدم هذه الورقة SECL، وهو إطار عمل جديد للتدريب أثناء وقت الاختبار يستفيد من الفجوة بين الثقة اللفظية للنموذج اللغوي واحتمالية رمز "True" التمييزي الداخلي كإشارة إشراف ذاتي خالية من الملصقات لمعايرة النموذج ديناميكيًا أثناء الاستدلال، مما يقلل بشكل كبير من خطأ المعايرة دون الحاجة إلى بيانات مصنفة أو تكبد تكاليف باهظة.
تُظهر هذه الورقة أن الجمع بين التدريب المسبق المستمر على بيانات غير مصنفة بمقياس الويب مع الضبط الدقيق باستخدام تعليقات توضيحية اصطناعية ناتجة عن مجموعة من النماذج اللغوية الكبيرة يحسن بشكل كبير أداء اكتشاف لغة الكراهية، لا سيما بالنسبة للنماذج الأصغر واللغات ذات الموارد المنخفضة.
تستخدم هذه الورقة اللسانيات المتنية لتحليل التمثيل اللغوي المتطور للآثار من النصوص التي تعود إلى العصر الحديث المبكر وصولاً إلى النصوص المعاصرة، بهدف إثراء التصميم الأخلاقي للتقنيات الهجينة مثل الذكاء الاصطناعي والواقع الافتراضي التي توازن بين تعزيز إمكانية الوصول وبين الحفاظ على الأصالة والحساسية الثقافية.
تجادل هذه الورقة بأنه بينما يفشل "الاستدلال من العقلانية" في إثبات عدم قدرة النماذج اللغوية الكبيرة على التفكير، فإنه يشير بدلاً من ذلك إلى أنها قد تمتلك عقولاً ترابطية بحتة وغير عقلانية.
تقدم هذه الورقة محاكاة متعددة الوكلاء في بيئة مبسطة لمدينة نيويورك لتوضيح أن وكلاء النماذج اللغوية الكبيرة يمكنهم تطوير سلوكيات استراتيجية ناشئة مثل الثقة الانتقائية والخداع من خلال تحسين (KTO) التكراري، ومع ذلك يظلون عرضة بشدة للإقناع العدائي ويواجهون مقايضة مستمرة بين مقاومة التلاعب وتعظيم إنجاز المهام.
تقدم الورقة البحثية "Pioneer Agent"، وهو نظام ذو حلقة مغلقة يعمل على أتمتة التحسين المستمر للنماذج اللغوية الصغيرة في بيئة الإنتاج من خلال التحسين المشترك للبيانات، والمعلمات الفائقة، واستراتيجيات التعلم لكل من التكيف عند البداية الباردة والتعافي من حالات الفشل في الإنتاج، مما يظهر مكاسب كبيرة في الأداء ومتانة ضد التراجع في اختبار "AdaptFT-Bench" المقترح حديثًا.
تقدم الورقة البحثية "توقع الاستبصار" كمهمة جديدة للتنبؤ بالاختراقات العلمية، وتقدم معيار GiantsBench ونموذج GIANTS-4B الذي تم تدريبه عبر التعلم المعزز، وتثبت أن هذا النموذج مفتوح المصدر يتفوق على النماذج المملوكة المنافسة في توليد رؤى علمية عالية الجودة وتستحق الاستشهاد بها.
تقدم هذه الورقة البحثية Claim2Vec، وهو نموذج تضمين متعدد اللغات ومبتكر تم تحسينه عبر التعلم التبايني، مما يعزز بشكل كبير تجميع ادعاءات التحقق من الحقائق عبر لغات مختلفة، وبالتالي يحسن كفاءة أنظمة الكشف الآلي عن المعلومات المضللة.