11070 ورقة بحثية
تكشف هذه الدراسة أن النساء في مجالات العلوم والتكنولوجيا يستخدمن بشكل منهجي أسلوباً كتابياً أكثر "تفاعلية" (علاقاتياً وموجهاً نحو الجمهور) من الرجال، وهو اختلاف أسلوبي يستمر عبر مختلف المجالات والقوالب ويؤثر بشكل كبير على أنماط الاستشهاد حسب النوع الاجتماعي، مما يشير إلى أن الأسلوب اللغوي يعمل كمصدر خفي وغير ملحوظ لانحياز التقييم.
تقدم هذه الورقة البحثية BAT، وهو إطار عمل مبتكر يدمج مشفرًا صوتيًا ثنائي الأذن يُسمى Spatial-AST مع نموذج لغوي كبير (LLaMA-2) لتمكين الإدراك والاستنتاج المتقدمين للصوت المكاني، مدعومًا بمجموعة بيانات مُخلّقة حديثًا ومعيار متخصص للإجابة على الأسئلة.
تقيم هذه الدراسة جدوى استخدام النماذج اللغوية الكبيرة (LLMs) والتعلم بلقطات قليلة لاستخراج إحصائيات ضغط الدم الخاصة بكل جنس تلقائيًا من الأدبيات العلمية، بهدف معالجة أوجه القصور في المعايير التشخيصية الحالية التي تتجاهل العوامل الديموغرافية.
تقدم هذه الورقة البحثية LLM4Mat-Bench، وهو أكبر معيار مرجعي حتى الآن يضم 1.9 مليون بنية بلورية و45 خاصية عبر أنماط مدخلات متعددة، لتقييم وتسليط الضوء بشكل منهجي على أوجه القصور في كل من النماذج اللغوية الكبيرة العامة والمتخصصة في مهام محددة عند التنبؤ بخصائص المواد.
تقدم هذه الورقة إطار عمل للتقييم المتمحور حول الإنسان موجهًا نحو البحث، يعالج أوجه القصور في المعايير الموضوعية من خلال رصد تصورات المستخدمين عبر القدرة على حل المشكلات، وجودة المعلومات، وتجربة التفاعل من خلال 604 جلسات بشرية، بينما يثبت أنه حتى النماذج اللغوية الكبيرة المتقدمة لا يمكنها محاكاة القيمة التي لا تُعوض للحكم البشري من منظور الشخص الأول بشكل كامل.
تقدم هذه الورقة \poshbench، وهو معيار موحد يوضح أنه بينما يمكن للنماذج اللغوية العصبية اكتساب تعميمات تعتمد على البنية من بيانات محدودة دون وجود تحيزات نحوية فطرية، إلا أنها تظل أقل كفاءة من الأطفال وتتطلب انحيازات استقرائية إضافية مدفوعة معرفيًا لمطابقة التعلم الشبيه بالبشر بشكل كامل.
تقدم هذه الورقة TradeVerse، وهو أول معيار مرجعي طولي مستمد من سجلات اجتماعات منظمة التجارة العالمية يقيم قدرات النماذج اللغوية الكبيرة في فهم المفاوضات التجارية السياسية متعددة الأدوار من خلال ثلاث مهام: التنبؤ برموز المنتجات، وتحديد الدول المستجيبة، وتوليد البيانات الدبلوماسية.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة تطور تلقائياً بنية معرفية نمطية تحاكي التخصص الوظيفي الموجود في الدماغ البشري، مما يشير إلى أن هذه النمطية هي خاصية أساسية للأنظمة الذكية وليست مجرد مصادفة بيولوجية.
تتحدى هذه الورقة الافتراض القائل بأن الاسترجاع الدلالي عبر بروتوكول خادم اللغة (LSP) هو بطبيعته أكثر كفاءة في استهلاك الرموز (tokens) من البحث المعجمي لوكلاء البرمجة، حيث تكشف من خلال منهجية قياس جديدة أن بروتوكول (LSP) غالباً ما يزيد من تكاليف الرموز ويفشل في مضاهاة فعالية أداة "grep" في التعديلات المعقدة، ومن ثم تدعو إلى استراتيجية تكيفية لاختيار الأدوات بناءً على نوع المهمة وقدرة النموذج.
تقدم هذه الورقة البحثية InflationAgent، وهو إطار عمل توجيه مبتكر يعالج فجوة "تضخم الرموز" (token inflation) في أنظمة النماذج اللغوية الكبيرة الوكيلية من خلال التنبؤ بتكاليف مستوى سير العمل عبر "إنتروبيا تفرع سلسلة الأفكار" (CoT Branching Entropy) وتحسين اختيار النماذج عبر "سعر صرف دلالي" (Semantic Exchange Rate)، محققاً بذلك دقة أعلى بعدد أقل من الرموز مقارنة بالطرق الحالية مثل FrugalGPT.