11750 ورقة بحثية
تقدم الورقة البحثية SITE، وهي طريقة تعتمد على التدرج (gradient-based) لتحديد رؤوس الانتباه ذات الصلة بالمهمة لحقن التضمينات المستمدة من التعلم في السياق (ICL)، والتي تتفوق بشكل كبير على أساليب التكيف القائمة على التضمين وأساليب التعلم في السياق بلقطات قليلة الحالية، مع تطلب عدد أقل من المعلمات القابلة للتدريب مقارنة بالضبط الدقيق الفعال للمعلمات (PEFT) عبر مهام ونماذج بمقاييس متنوعة.
تحدد هذه الورقة أن النماذج اللغوية الكبيرة المستخدمة كحكام تظهر انحيازاً كبيراً في نطاق الدرجات عند تعيين التقييمات المباشرة، وتقترح طريقة فك تشفير تبايني للتخفيف من هذه المشكلة، محققةً تحسناً نسبياً يصل إلى 11.7% في التوافق مع الأحكام البشرية عبر مهام تلخيص مختلفة.
تقدم الورقة البحثية VisCoder2، وهي عائلة من نماذج برمجة التصور متعددة اللغات المدربة على مجموعة بيانات VisCode-Multi-679K واسعة النطاق والتي تم تقييمها عبر VisPlotBench، حيث تتفوق بشكل كبير على النماذج مفتوحة المصدر الحالية وتقترب من أداء النماذج المملوكة لجهات خاصة من خلال التصحيح الذاتي التكراري عبر 12 لغة برمجة.
تقدم هذه الورقة أول دراسة منهجية للمقاييس العصبية المدركة للمصدر في ترجمة الكلام، حيث تثبت أن نصوص التعرف الآلي على الكلام والترجمات العكسية تعمل كبدائل اصطناعية فعالة للمصدر — معززة بخوارزمية مبتكرة لإعادة التقسيم عبر اللغات — لتحقيق ارتباط قوي مع التقييمات البشرية حتى في حال عدم توفر نصوص المصدر.
تقدم هذه الورقة البحثية ATR4CH، وهي منهجية نظامية مكونة من خمس خطوات تجمع بين النماذج اللغوية الكبيرة والهندسة الأنطولوجية لتحويل نصوص التراث الثقافي غير المهيكلة تلقائياً إلى رسوم بيانية معرفية مهيكلة وقابلة للاستعلام، مما يظهر دقة استخراج عالية ونشراً فعالاً من حيث التكلفة من خلال دراسة حالة حول نقاشات تقييم الأصالة.
تعالج هذه الورقة البحثية محدودية الأبحاث المتعلقة بالكشف عن عدم الاتساق في المستندات القائم على النماذج اللغوية الكبيرة من خلال تقديم إطار عمل "الحذف وإعادة المحاولة" (redact-and-retry) مع تصفية مقيدة ومقاييس شاملة جديدة، مما يحسن بشكل كبير من أداء استخراج الأدلة ويتم التحقق من صحته باستخدام مجموعة بيانات شبه اصطناعية تم إصدارها حديثاً.
تقدم هذه الورقة البحثية إطار PEARL، وهو إطار عمل للتعلم التعزيزي مزود بذاكرة تفضيلات خارجية يحسن بشكل كبير من أداء النماذج اللغوية الكبيرة في حل تعارضات التقويم طويلة المدى من خلال التعلم الديناميكي والتكيف مع تفضيلات المستخدم، كما هو موضح في CalConflictBench المقترح حديثاً.
يُعد WebExpert عميل ويب مدركاً للمجال يعزز البحث عالي الدقة في المجالات المتخصصة مثل التمويل والطب الحيوي من خلال دمج استرجاع الخبرة على مستوى الجملة، والاستحثاث الضعيف الموجه للجوانب، والتخطيط الأمثل للتفضيلات، مما يحسن دقة الإجابة بشكل كبير ويقلل خطوات التنقل مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة WildToolBench، وهو معيار مرجعي جديد يرتكز على سلوكيات المستخدمين في العالم الحقيقي لكشف القصور الكبير في النماذج اللغوية الكبيرة الحالية في التعامل مع سيناريوهات استخدام الأدوات متعددة الخطوات المعقدة، وغير المنظمة، والمرنة، مما يكشف أن أي نموذج تم تقييمه لم يتجاوز دقة 15% بسبب التحديات المتعلقة بالتنسيق، والاستدلال السياقي، والانتقالات الديناميكية للتعليمات.
تكشف هذه الدراسة التدقيقية أن تقييم النماذج اللغوية الكبيرة من خلال واجهات برمجة التطبيقات (API) وحدها يخفق في رصد سلوكيات روبوتات الدردشة في العالم الحقيقي، مما يثبت أن العوامل المتعلقة بالواجهة، والديناميكيات الزمنية، والخيارات السياساتية تؤثر بشكل كبير على تعزيز الأفكار الوهمية أو التآمرية، مع استمرار ظهور مخاطر سلامة جوهرية وأداء غير مستقر بمرور الوقت في النماذج الأحدث.