11750 ورقة بحثية
تقترح هذه الورقة إطار عمل ديناميكيًا، عكسيًا، وفي وقت الاستدلال، يعمل على التخفيف من مشكلات العدالة وعدم الاتساق السلوكي في النماذج اللغوية الكبيرة من خلال حجب تنشيطات العصبونات المعتمدة على السياق بشكل تكيفي، مما يوفر بديلًا مرنًا وفعالًا من حيث الذاكرة لطرق التقليم الثابتة أو طرق إعادة التدريب المكلفة.
تقترح هذه الورقة "التفكير بالفيديو" كنموذج استدلال متعدد الوسائط جديد يستفيد من نماذج توليد الفيديو مثل Sora-2 كوسيط موحد للتغلب على قيود النهج القائم على النصوص والصور، مُثبتةً من خلال VideoThinkBench أن مثل هذه النماذج تحقق أداءً هو الأفضل في فئته في كل من مهام الاستدلال المتمحورة حول الرؤية والمتمحورة حول النص.
تُعد PIAST طريقة تحفيز تلقائية وسريعة تعمل على تعزيز التعليمات البشرية بمجموعة أمثلة قليلة التخصيص (few-shot) جرى تحسينها عبر تقدير "مونت كارلو شابلي" (Monte Carlo Shapley) والاختيار الفرعي المكثف، مما يحقق أداءً رائدًا في مهام متنوعة في ظل محدودية بيانات التدريب وميزانيات الحوسبة.
تقدم هذه الورقة MedMistake، وهو مسار مؤتمت يستخرج ويحول أخطاء النماذج اللغوية الكبيرة من محادثات طبية محاكية إلى مجموعة بيانات مرجعية مكونة من 3,390 زوجًا من أسئلة وأجوبة بنمط "الدفعة الواحدة"، والتي تم التحقق من صحتها بواسطة خبراء طبيين واستُخدمت لتقييم أداء 12 نموذجًا رائدًا في تجنب أخطاء استدلال طبية محددة.
تقيم هذه الورقة قدرة النماذج اللغوية الكبيرة على إنشاء واستغلال "المراجع العلاقاتية" للأرضية المشتركة في الحوارات الموقعية، وتقترح طرقاً للتعلم التعزيزي على بيانات اصطناعية لتحسين أدائها في تمثيل المعلومات المكانية والزمانية المشتركة.
تعيد هذه الورقة صياغة النسيان المنهجي الملحوظ في النماذج اللغوية الكبيرة بوصفه آلية معرفية وظيفية تماثل تلاشي الذاكرة لدى البشر، حيث تقدم مجموعة اختبارات للتحقق من هذا التماثل وتقترح استراتيجية "التلقين الذاكرتي الاحتمالي" التي تسخر النسيان لتعزيز أداء الاستدلال طويل الأمد.
تقدم هذه الورقة مجموعة بيانات جديدة للمحكمة الأوروبية لحقوق الإنسان وإطار عمل مقارن لتقييم تقنيات استخراج الحجيبات للتنبؤ بالنتائج القانونية، كاشفةً أنه في حين تحقق الطرق الحالية مقاييس دقة عالية، إلا أن الخبراء القانونيين يختلفون جوهرياً مع الحجج المستخرجة باعتبارها تفسيرات صالحة لقرارات المحكمة.
تقدم هذه الورقة البحثية UReason، وهو معيار مرجعي يوضح أنه على الرغم من البنية الموحدة للنماذج متعددة الوسائط الحالية، إلا أن تمثيلاتها عبر الوسائط تظل غير متوافقة، كما يتضح من النتيجة المفاجئة بأن التوليد غير المرتبط بالسياق يتفوق على التوليد الموجه بالاستدلال في مهام تركيب الصور.
تقدم هذه الورقة طريقة للكشف عن الأبواب الخلفية غير المرتبطة بالمحفزات لملحقات LoRA، والتي تقوم بتحليل الإحصاءات الطيفية مباشرة من مصفوفات الأوزان لتحقيق دقة بنسبة 100% عبر عائلات نماذج متعددة دون الحاجة إلى بيانات إدخال اختبارية.
تُظهر هذه الورقة أنه في حين يمكن لأهداف التدريب ثنائية الاتجاه أن تخفف من "لعنة الانعكاس" في النماذج اللغوية عبر جعل كيانات المصدر أهدافاً للتنبؤ بشكل صريح، إلا أنها تفعل ذلك من خلال تخزين الحقائق الأمامية والعكسية كتمثيلات متمايزة بدلاً من استحثاث تعميم كامن موحد وغير منحاز للاتجاه.