11683 ورقة بحثية
يُعد EventWeave إطار عمل ديناميكي يعمل على تعزيز أنظمة الحوار من خلال بناء رسم بياني للتمييز بين الأحداث الجوهرية والداعمة ونمذجة علاقاتها عبر الانتباه متعدد الرؤوس، مما يؤدي إلى توليد استجابات أكثر طبيعية وملاءمة للسياق مع تقليل العبء الحسابي.
تقدم هذه الورقة البحثية إطار عمل FoVer، الذي يقوم بكفاءة بتوليد بيانات تدريب لنماذج مكافأة العمليات (PRM) عالية الجودة عبر الاستفادة من أدوات التحقق الرسمي لتوصيف الأخطاء على مستوى الخطوات تلقائياً في مهام الاستدلال الصوري، مما يؤدي إلى تحسين أداء نماذج مكافأة العمليات عبر مختلف معايير الاستدلال باللغة الطبيعية دون الحاجة إلى تعليقات بشرية أو استدعاءات إضافية للنماذج اللغوية الكبيرة.
تقترح هذه الورقة إطار عمل جديد لتحسين التفضيل المباشر (DPO) مدفوعاً بمنهج دراسي، يدمج معلمات "الواقعية" و"الرقة" لتوليد تفسيرات عالية الجودة ومحاذاة بشرياً حول صدقية الأخبار باللغة الهندية، مما يعالج بفعالية تحديات المعلومات المضللة في اللغات ذات الموارد المنخفضة.
تقدم هذه الورقة Prophet، وهو نموذج فك تشفير لا يتطلب تدريباً يعمل على تسريع نماذج اللغات الانتشارية من خلال الاستفادة من تقارب الإجابات المبكر لديها لتحديد وقت إيقاف التحسين ديناميكياً، مما يقلل خطوات الاستدلال بما يصل إلى 3.4 ضعفاً دون المساس بجودة التوليد.
تقدم هذه الورقة MARCH، وهو معيار يكشف أن النماذج المتطورة تعاني عند تقاطع الاستدلال متعدد الخطوات والغموض متعدد الطبقات، وتقترح CLARION، وهو إطار عمل وكيل ذو مرحلتين يفصل بين تخطيط الغموض والاستدلال القائم على الأدلة لتحسين الأداء بشكل كبير.
تقدم هذه الورقة البحثية KEO، وهو إطار عمل يجمع بين الرسوم البيانية للمعرفة (Knowledge Graphs) والتوليد المعزز بالاسترجاع (Retrieval-Augmented Generation) لتعزيز قدرة النماذج اللغوية الكبيرة على أداء استيعاب المعنى الشامل والاستدلال في الحالات الحرجة للسلامة على بيانات صيانة الطيران، مما يظهر رؤى فائقة على مستوى النظام مقارنة بنهج RAG التقليدي القائم على تقسيم النصوص إلى أجزاء.
تقدم الورقة البحثية PiKa، وهي عائلة من مجموعات البيانات الاصطناعية ذات الكفاءة العالية في استهلاك البيانات والمستندة إلى مستوى الخبراء، والتي تستفيد من التعليمات عالية الصعوبة لتحقيق أداء فائق في محاذاة النماذج اللغوية الكبيرة باستخدام 30 ألف مثال فقط، متفوقة بشكل ملحوه على النماذج التي تتدرب على ملايين النقاط من البيانات المملوكة.
تقدم هذه الورقة أول معيار لتقييم كشف النصوص المولدة آلياً والمخصصة، كاشفةً أن الكواشف غالباً ما تفشل في هذا السياق بسبب "فخ انعكاس الميزات" حيث تصبح الميزات التمييزية العامة مضللة، وتقترح طريقة للتنبؤ بدقة بانخفاضات الأداء هذه من خلال تحديد وفحص مثل هذه الميزات المنعكسة.
تقدم الورقة البحثية "محسن مبارزة المطالبات" (Prompt Duel Optimizer - PDO)، وهو إطار عمل فعال من حيث كفاءة العينات وخالٍ من التسميات، يعمل على تحسين المطالبات عبر صياغة عملية الاختيار كمسألة "مبارزة المندوب" (dueling-bandit) باستخدام تقنية "توسيم ثومبسون المزدوج" (Double Thompson Sampling) والطفرات الموجهة لتحديد المطالبات المتفوقة من خلال ملاحظات حكم النماذج اللغوية الكبيرة (LLM) القائمة على المقارنة الثنائية دون الحاجة إلى تسميات حقيقية.
تقترح هذه الورقة إطار عمل DMLR، وهو إطار عمل وقت الاختبار يحاكي الإدراك البشري من خلال التداخل الديناميكي بين الاستنتاج والإدراك في الفضاء الكامن عبر التحسين الموجه بالثقة وحقن الميزات المرئية التكيفي، مما يعزز أداء الاستنتاج متعدد الوسائط مع الحفاظ على كفاءة الاستدلال.