11683 ورقة بحثية
تتحدى هذه الورقة المفهوم السائد بوجود فجوة قدرة عالمية في تقطير "سلسلة الأفكار" (Chain-of-Thought) من خلال إثبات أن تدهور الأداء ينجم غالباً عن بروتوكولات تقييم معيبة بدلاً من القيود الجوهرية للنماذج، وبذلك تقدم إرشادات عملية لاختيار أزواج المعلم والطالب الفعالة.
تقدم الورقة البحثية TaxPraBen، وهو أول معيار قابل للتوسع مصمم لتقييم النماذج اللغوية الكبيرة في 13 مهمة من مهام الممارسة الضريبية الصينية — بما في ذلك سيناريوهات واقعية مثل الوقاية من المخاطر وتخطيط الاستراتيجيات — مما يكشف عن تفاوتات كبيرة في الأداء بين النماذج ويسلط الضوء على الحاجة إلى تقييم متخصص في المجالات المنظمة قانونياً.
تقدم هذه الورقة البحثية Litmus (Re)Agent، وهو نظام وكيل مُدار بواسطة رسم بياني موجه غير حلقي (DAG) ومعيار ضبط يتكون من 1,500 سؤال مصمم للتنبؤ بأداء النماذج متعددة اللغات في اللغات المستهدفة من خلال تركيب أدلة غير مكتملة عبر استدلال مهيكل، مما يظهر دقة فائقة في السيناريوهات التي تكون فيها بيانات التقييم المباشر شحيحة.
تبحث هذه الورقة في كيفية تسبب الضبط الدقيق الخاضع للإشراف في إضعاف الارتباط بين درجات الثقة وجودة المخرجات في النماذج اللغوية، مما يثبت أن هذه المقاييس تصبح غير موثوقة عند استخدامها مباشرة بسبب عوامل مثل تشابه توزيع التدريب، وتسلط الضوء على الحاجة الملحة لطرق أكثر قوة لتقدير عدم اليقين.
تُثبت هذه الورقة أن تكميم النموذج يعيد تشكيل ملامح كفاءة الميتا-معرفية (ما وراء المعرفة) على مستوى النطاق في النماذج اللغوية الكبيرة من خلال تغيير عمليات تطبيع نسبة M دون التأثير على إشارات التمييز الأساسية، مما يكشف عن تبعية حرجة للتشخيصات القائمة على الثقة لنمط الاستدلال لا يمكن معالجتها من خلال التدريب المشروط بالنطاق.
تتحدى هذه الورقة الافتراضات الجوهرية للتعلم النشط لمهام الترجمة باستخدام عينات قليلة، وذلك من خلال إثبات أن غزارة المعلومات وتنوع البيانات المختارة لا يرتبطان بالأداء، بينما يعد ترتيب العينات والتفاعلات مع بيانات ما قبل التدريب هما المحركان الأساسيان للنجاح.
تقترح الورقة البحثية PerMix-RLVR، وهي استراتيجية تدريب تجمع بين خلط الشخصيات والتعلم المعزز باستخدام مكافآت قابلة للتحقق لتعزيز متانة النموذج ضد تغيرات الشخصية الضارة وفي الوقت ذاته الحفاظ على التعبير العالي الدقة عن الشخصية في مهام لعب الأدوار.
تتناول هذه الورقة الحاجة إلى تمثيلات مخصصة للغة الإنجليزية كلغة ثانية أو لغة أجنبية من خلال بناء مورد نحوي-دلالي جديد قائم على النظرية البنائية يتكون من 1,643 جملة مشروحة، يصور اللغة الإنجليزية كلغة ثانية أو أجنبية كنظام لغوي متميز، ويوضح فائدتها في أبحاث اكتساب اللغة الثانية من خلال دراسة استطلاعية لفرضية الحيز اللغوي.
تُصوّغ هذه الورقة البحثية التمييز النظري بين أنظمة هيمنة الاستعلام (Q-dominant) وهيمنة الإجابة (B-dominant) في استرجاع الأسئلة والأجوبة ثنائي القفزة، وتُقدم RegimeRouter، وهو موجه خفيف الوزن وقابل للنقل دون تدريب مسبق (zero-shot) يستفيد من محمولات النص السطحية لاختيار استراتيجيات الاسترجاع المثلى ديناميكيًا، مما يحسن الاستدعاء بشكل كبير في مجموعات البيانات المرجعية.
تقدم الورقة البحثية SiMing-Bench، وهو أول معيار لتقييم قدرة النماذج اللغوية الكبيرة متعددة الوسائط على الحكم على الصحة الإجرائية من خلال تتبع كيفية تحديث التفاعلات المستمرة لحالات المهارات السريرية، مما يكشف أن النماذج الحالية تعاني بشكل كبير من هذا التقييم الدقيق القائم على المعايير رغم ظهورها بمظهر الكفاءة في التقييمات العالمية العامة.