11683 ورقة بحثية
تقدم هذه الورقة FinFRE-RAG، وهو إطار عمل ثنائي المراحل يجمع بين تقليل الميزات الموجه بالأهمية والتعلم السياقي المعزز بالاسترجاع لتمكين النماذج اللغوية الكبيرة من اكتشاف الاحتيال المالي بفعالية من خلال توليد تفسيرات قابلة للتفسير مع تضييق فجوة الأداء مع النماذج الجدولية التقليدية.
تقدم الورقة البحثية ModeX، وهو إطار عمل لاختيار "الأفضل من N" (Best-of-N) خالٍ من المقيمين، يستفيد من التجميع الطيفي (spectral clustering) على رسم بياني للتشابه لتحديد الإجماع الدلالي المهيمن بين توليدات متعددة، مما يقدم حلاً فعالاً من حيث الحوسبة لتحسين التوليد النصي مفتوح النهايات دون الاعتماد على مقيمين خارجيين أو نماذج مكافأة.
تقدم هذه الورقة درجة ملاءمة لا تتطلب إعادة تدريب لتقييم اختيار الأمثلة لتفسيرات النماذج اللغوية، وتقترح استراتيجية جديدة توازن بين التأثير والتمثيل لتتفوق على طرق الاختيار الشائعة والمخططات المرجعية العشوائية.
تُعدُّ DyCP طريقةً خفيفة الوزن لإدارة السياق الخارجي، حيث تحدد وتسترجع ديناميكيًا أجزاء الحوار ذات الصلة للمحادثات طويلة الأمد دون بناء ذاكرة غير متصلة بالإنترنت، مما يحقق جودة إجابة تنافسية وكفاءة استدلال محسنة عبر معايير متعددة ونماذج لغوية كبيرة متنوعة.
تقدم هذه الورقة إطار عمل قابلاً للتوسع لتخليق النظريات العلمية من مجموعات ضخمة من الأدبيات، مما يثبت أن التوليد المرتكز على الأدبيات يتفوق بشكل كبير على الذاكرة البارامترية للنماذج اللغوية الكبيرة في كل من التوافق مع الأدلة الحالية والتنبؤ بالنتائج العلمية المستقبلية.
تقدم هذه الورقة البحثية "Testimole-conversational"، وهو متن لغوي متاح مجانًا يتكون من 30 مليار كلمة من رسائل لوحات النقاش الإيطالية الممتدة من عام 1996 إلى عام 2024، والمصمم لدعم التدريب المسبق للنماذج اللغوية الكبيرة الإيطالية الأصلية وتسهيل الأبحاث في اللسانيات، واللسانيات الاجتماعية، والتفاعل الاجتماعي عبر الإنترنت.
تقدم هذه الورقة إطار عمل للنماذج اللغوية الكبيرة متعددة الوكلاء يسهل التخطيط التفاعلي الموجه من قبل المستخدم عبر توليد تفسيرات باللغة الطبيعية تستجيب لاستفسارات المستخدم، مما يثبت من خلال دراسة مستخدم أن هذا النهج يتفوق على الواجهات التقليدية القائمة على القوالب في شرح تضارب الأهداف.
تقدم هذه الورقة بنية هجينة تجمع بين الشبكات العصبية الالتفافية (CNN) والمحولات (Transformer) للتعرف على الانفعالات في الكلام العربي، والتي حققت دقة بلغت 97.8% على مجموعة بيانات EYASE من خلال الجمع بين استخراج الميزات الطيفية الالتفافية ونمذجة التبعية الزمنية القائمة على المحولات.
يُعد Flux Attention إطار عمل كفؤ من حيث المعلمات وسياقي، يقوم بتوجيه طبقات المحولات ديناميكيًا بين آليات الانتباه الكامل والآليات المتفرقة للقضاء على اختناقات المزامنة وتحقيق تسريع في الاستدلال يصل إلى 2.8 ضعف مع الحفاظ على أداء عالٍ في سيناريوهات النماذج اللغوية الكبيرة ذات السياق الطويل.
يُعد SubSearch إطار عمل غير خاضع للإشراف يعزز عمليات الاسترجاع والاستدلال المعقدة في النماذج اللغوية الكبيرة من خلال تحسين المولدات مباشرةً باستخدام مكافآت وسيطة ذاتية، مما يلغي الحاجة إلى الإشراف الخارجي مع إنتاج مسارات استدلال أكثر متانة من النهج القائم على النتائج فقط.