11070 ورقة بحثية
يقدم نموذج BCMT (محول الذاكرة السببية القائم على الكتل) بنية مبتكرة تفصل بين التفاعلات المحلية للرموز ونشر السياق العالمي عبر ذاكرة سببية أسية لملخصات الكتل، محققاً أداءً يضاهي نماذج المحولات الكثيفة في نمذجة السياقات الطويلة مع تحسين إنتاجية التدريب وتقليل استهلاك الذاكرة بشكل كبير.
جايس 2 هي عائلة من النماذج اللغوية الكبيرة المفتوحة والمسموحة تجارياً والمركزة على اللغة العربية، وتتضمن نسخة بـ 70 مليار معلمة، طورتها جامعة محمد بن زايد للذكاء الاصطناعي وسيريبراس وإنسبشن لتقديم أداء رائد في الاختبارات المعيارية العربية والمتجذرة ثقافياً مع سرعة استدلال عالية على أجهزة سيريبراس.
يُعد IterCOMP إطار عمل لضغط المطالبات بشكل تكراري وخالٍ من التدريب، يعمل على تعزيز الإجابة على الأسئلة متعددة الخطوات من خلال تفكيك المستندات ديناميكيًا وتوليد أسئلة متابعة مستهدفة لبناء مطالبات مدمجة وموجهة نحو الاستدلال، مما يؤدي إلى تحسين الدقة والكفاءة مع تقليل استخدام الرموز (tokens).
تتحدى هذه الورقة البحثية المفهوم القائل بأن الأخطاء ذات الثقة العالية في النماذج اللغوية الكبيرة تنبع حصرياً من الاستدلال الهش، مبرهنةً بدلاً على أنها غالباً ما تنشأ عن سوء معايرة مستقر حيث تظل الإجابات الخاطئة الواثقة قوية محلياً تحت تأثير الاضطرابات، وهي ظاهرة يمكن للنقد الذاتي القائم على التلقين أن يخفف من حدتها عن طريق تقليل الحساسية الداخلية دون تحسين المعايرة بالضرورة.
تستقصي هذه الورقة كيفية التنبؤ بتراجعات الأداء على مستوى العينات في النماذج اللغوية الكبيرة المحدثة من خلال مقارنة الإشارات أحادية النموذج والإشارات عبر الإصدارات عبر ستة معايير، لتجد أنه لا توجد إشارة واحدة فعالة عالمياً، ولكن يمكن للأنماط المعتمدة على المهام أن توجه الممارسين في اختيار الإشارات المناسبة لتنفيذ آلية تراجع انتقائية تقوم بتوجيه العينات عالية المخاطر إلى إصدارات النماذج السابقة.
توثق هذه الورقة تجانساً غير متماثل أيديولوجياً في الخطاب السياسي على منصة "ريديت" ظهر في أواخر عام 2022، حيث شهد المستخدمون المحافظون انقطاعاً متميزاً في اتجاه تنوعهم السابق بينما لم يشهد المستخدمون التقدميون ذلك، مما يشير إلى أن هذا التحول مدفوع بالتقارب البيئي على مستوى المجتمع بدلاً من تبني الذكاء الاصطناعي على المستوى الفردي.
تقدم الورقة البحثية CLAIR-Fin، وهو إطار عمل تنافسي مكون من تسعة وكلاء يعزز الإجابة على الأسئلة المالية متعددة الوسائط من خلال تفكيك الاستعلامات إلى ادعاءات ذرية للتحقق الصارم والمدرك للنوع والتكيف مع المناظرة، مما يحسن بشكل كبير من الموثوقية ويقلل من الهلوسة مقارنة بالنماذج المرجعية الحالية.
يُعد TeachMateGPT إطار عمل متعدد الوكلاء وقائم على المعرفة، يتغلب على قيود أنظمة التوليد المعزز بالاسترجاع الحالية في تعليم العلوم من خلال تقديم قاعدة معرفية هرمية، ومسار عمل مرحلي مغلق عند الفشل، وبروتوكول تحقق منسوب إلى المصدر لتحسين دقة وملاءمة عناصر التقييم المتوافقة مع المناهج والمولدة تلقائياً بشكل كبير.
تقدم هذه الورقة WitnessSim، وهو محاكي لشهادات استجواب مدفوع بشخصية قانونية يمكن التحكم بها، وتقترح إطار تقييم مبتكر يثبت قدرته على الحفاظ على الواقعية السلوكية والفائدة التعليمية من خلال الاختبار التنافسي ومقارنات المحامين المجهولة.
تُثبت هذه الورقة أن فعالية اختيار البيانات القائم على الاحتمالية لضبط الاستنتاج الدقيق تعتمد على السعة، حيث تفيد البيانات ذات الاحتمالية العالية النماذج الأصغر مع تحقيق مكاسب أولية أسرع، بينما تحقق البيانات ذات الاحتمالية المنخفضة أداءً فائقاً على المدى الطويل للنماذج الأكبر.