11750 ورقة بحثية
تقدم الورقة البحثية Region-R1، وهو إطار عمل جديد لإعادة الترتيب متعدد الوسائط يستخدم سياسة اتخاذ قرار تعتمد على تحسين السياسة النسبية للمجموعات المدركة للمناطق (r-GRPO) لقص صور جانب الاستعلام ديناميكيًا، مما يؤدي إلى تخفيف المشتتات البصرية وتحسين أداء الاسترجاع بشكل كبير في الاختبارات المعيارية الصعبة.
تقدم هذه الورقة أربع مجموعات تقييم جديدة لتقييم قدرة النماذج اللغوية الكبيرة على استخدام وتفسير المعاني الضمنية بشكل منهجي، كاشفةً عن أنه في حين تعاني النماذج الرائدة عموماً من صعوبة في التواصل الدقيق والضمني بسبب الانحياز نحو التفسير الحرفي، إلا أنها يمكن أن تتحسن مع وجود أرضية مشتركة وظروف سياقية محددة، رغم استمرار وجود نقاط ضعف كبيرة.
تجادل هذه الورقة بوجوب تدريب النماذج اللغوية الكبيرة على التعبير صراحةً عن عدم اليقين من خلال واجهتين متكاملتين: الثقة اللفظية العالمية لمعايرة الإجابات النهائية، وإشارات وقت الاستدلال المحلية لتفعيل التدخلات، وذلك لتحسين عملية اتخاذ القرار في مهام مثل الاسترجاع والتحقق.
تقدم هذه الورقة ICR-Drive، وهو إطار تشخيصي يقيم متانة وكلاء القيادة الذاتية المعتمدة على اللغة من الطرف إلى الطرف ضد اضطرابات التعليمات المتنوعة، كاشفاً أن التغيرات الطفيفة في الأوامر اللغوية الطبيعية يمكن أن تسبب تدهوراً كبيراً في الأداء وأنماط فشل متميزة في السيناريوهات الحرجة للسلامة.
تقدم هذه الورقة المعايرة متعددة الأدوار لمعالجة أوجه القصور في تقدير الثقة أحادي الدور في النماذج اللغوية الكبيرة، مقترحةً طريقة MTCal واستراتيجية فك التشفير ConfChat للحفاظ ديناميكياً على تفاعلات موثوقة وواقعية ومتسقة عبر أدوار المحادثة رغم مخاطر مثل إقناع المستخدم.
تقدم الورقة البحثية MetaSD، وهو إطار عمل موحد يسرع استنتاج النماذج اللغوية الكبيرة من خلال الاختيار والتخصيص الديناميكي لعدة مسودات غير متجانسة عبر نهج "المتعدد الأذرع" (multi-armed bandit) بناءً على تغذية راجعة للمحاذاة، مما يتفوق بذلك على طرق فك التشفير التخميني التقليدية ذات المسود الواحد.
تقدم هذه الورقة "ContentFuzz"، وهو إطار عمل موجّه بالثقة يستفيد من النماذج اللغوية الكبيرة لإعادة كتابة منشورات وسائل التواصل الاجتماعي بطرق تحافظ على القصد البشري الأصلي مع تغيير تسميات الموقف المستنتجة آلياً، مما يساعد المحتوى على الهروب من الشرانق المعلوماتية والوصول إلى جماهير متنوعة.
تقدم هذه الورقة البحثية GMRL-BD، وهو خوارزمية جديدة من نوع الصندوق الأسود تستفيد من رسم بياني للمعرفة مستمد من ويكيبيديا والتعلم المعزز متعدد الوكلاء للكشف بكفاءة عن الحدود غير الموثوقة للنماذج اللغوية الكبيرة من خلال تحديد المواضيع المعرضة للاستجابات المتحيزة، مصحوبة بإصدار مجموعة بيانات جديدة تغطي نماذج شهيرة مثل Llama2 وVicuna.
تحدد هذه الورقة البحثية الإحالة المرجعية عبر الأنماط كعنق زجاجة حرج في النماذج اللغوية الكبيرة الشاملة (Omni-LLMs)، وتقدم مجموعة بيانات CrossOmni لتقييم هذه القدرة، وتثبت أن الاستراتيجيات القائمة على التدريب وغير القائمة على التدريب تحسن بشكل كبير الاستدلال المتين متعدد الأنماط من خلال استحثاث أنماط تفكير مدركة للإحالة المرجعية.
تقدم هذه الورقة تصنيفاً منهجياً لتقنيات الكفاءة من الطرف إلى الطرف لنماذج الرؤية واللغة الضخمة، معالجةً عقبة هيمنة الرموز المرئية عبر مراحل الترميز، والملء المسبق، وفك التشفير، مع تحديد الآفاق المستقبلية لموازنة الدقة المرئية مع أداء النظام.