11750 ورقة بحثية
تقدم هذه الورقة HANDRAISER، وهو إطار عمل قائم على التعلم يُمكّن وكلاء الاستماع من مقاطعة المتحدثين في نقاط مثالية بناءً على المكافآت والتكاليف المقدرة، مما يقلل من عبء الاتصالات بنسبة 32.2% مع الحفاظ على أداء المهام أو تحسينه عبر سيناريوهات متنوعة متعددة الوكلاء.
تقدم هذه الورقة إطار عمل مدركاً للسياق وقابلاً للتوجيه للترجمة الآلية للغة العربية، يستخدم مسار تعزيز بيانات قائماً على القواعد لتوليد مجموعة بيانات لهجات متوازنة، مما يتيح تحكماً في المخرجات عبر ثمانية تنوعات إقليمية وسجلات اجتماعية، مع إثبات أن مقاييس BLEU القياسية قد تفشل في رصد الأصالة الثقافية الفائقة والخصوصية اللهجوية التي تتميز بها هذه النماذج مقارنة بالنماذج المرجعية عالية الموارد.
تقدم هذه الورقة البحثية ValueGround، وهو معيار مرجعي جديد يقيم قدرة النماذج اللغوية الكبيرة متعددة الوسائط على مواءمة الأحكام القيمية المشروطة ثقافياً مع التمثيلات البصرية، مما يكشف عن انخفاض كبير في الأداء عند الانتقال من الخيارات النصية فقط إلى الخيارات المصورة.
تُثبت هذه الورقة أن دمج كمية صغيرة من البيانات المقترنة بين الكلام والنص (بنسبة ضئيلة تصل إلى 10% من المجال المستهدف) في استراتيجية التكيف القائمة على الدفعات المختلطة يسد فجوة النمط بفعالية في أنظمة التعرف التلقائي على الكلام القائمة على النماذج اللغوية الكبيرة، محققاً أداءً يضاهي الضبط الدقيق للبيانات الكاملة مع الاستفادة من كفاءة التكيف المعتمد على النصوص فقط.
تقدم الورقة البحثية MedConclusion، وهي مجموعة بيانات ضخمة تضم 5.7 مليون ملخص مهيكل من PubMed، صُممت لاختبار وتطوير قدرة النماذج اللغوية الكبيرة على توليد استنتاجات علمية من الأدلة الطبية الحيوية، مع تسليط الض الضوء على التحديات المتميزة لتوليد الاستنتاجات مقارنة بالتلخيص.
تتناول هذه الورقة فشل نماذج "ويسبير" (Whisper) المدربة مسبقاً على لغة البشتو من خلال إثبات أن الضبط الدقيق الكامل التقليدي (vanilla full fine-tuning) على بيانات "كومون فويس" (CommonVoice) للغة البشتو يتفوق بشكل كبير على استراتيجيات التعلم بنقل المعرفة والتعلم كفء المعلمات، مما يحدد نموذج "ويسبير-سمول" (whisper-small) كحجم النموذج الأمثل لـ 113 ساعة المتاحة من بيانات التدريب، مع تحديد أنماط أخطاء صرفية وصوتية محددة.
تُثبت هذه الورقة أنه بينما يمكن للنماذج اللغوية الكبيرة استخدام البذور العشوائية المقدمة لتوليد توزيعات مستهدفة، إلا أنها تفشل بشكل جوهري في أخذ عينات بشكل موثوق ومباشر من توزيعات محددة بناءً على تقديراتها الاحتمالية الداخلية، مما يمثل قصوراً حرجاً لاستخدامها كأنظمة وكيلة.
تقدم هذه الورقة GlobalLies، وهي مجموعة بيانات متعددة اللغات تكشف أن النماذج اللغوية الكبيرة تولد وتنشر المعلومات المضللة بشكل غير متناسب عن اللغات ذات الموارد المنخفضة والدول ذات درجات مؤشر التنمية البشرية المنخفضة، مع تسليط الضوء على فجوات كبيرة في استراتيجيات التخفيف الحالية عبر مختلف المناطق واللغات.
تحدد هذه الورقة "فجوة الكشف والاستخراج" في نماذج الاستدلال الحديثة حيث تصبح الإجابة الصحيحة قابلة للاسترداد من الحالة الداخلية قبل وقت طويل من توليدها صراحةً، وتقترح طريقة "الخروج المبكر التكيفي للصندوق الأسود" التي تستفيد من هذا التباين لتقليل تكاليف التوليد بشكل كبير مع تحسين الدقة.
تقدم الورقة البحثية "Argus"، وهو إطار عمل جديد متعدد الوكلاء يعيد تنظيم سير عمل التحليل الساكن من خلال دمج تحليل سلاسل التوريد، والوكلاء المتعاونين، وتقنيات متقدمة مثل RAG وReAct ليتفوق بشكل كبير على الأساليب الحالية القائمة على النماذج اللغوية الكبيرة في اكتشاف الثغرات الحقيقية مع تقليل الإيجابيات الكاذبة والتكاليف التشغيلية.