11750 ورقة بحثية
تُعد DARE إطار عمل مفتوح المصدر يوحد مسارات ما بعد التدريب والتقييم لنماذج اللغات الكبيرة الانتشارية (dLLMs) من خلال دمج الضبط الدقيق الخاضع للإشراف، وتحسين التفضيلات، والتعلم التعزيزي لمعالجة تشتت المنظومة وتمكين مقارنات عادلة وقابلة للتكرار عبر عائلات النماذج المتنوعة.
تقترح الورقة البحثية Combee، وهو إطار عمل مبتكر يعمل على توسيع نطاق تعلم المطالبات المتوازي لوكلاء النماذج اللغوية ذاتية التحسين باستخدام عمليات المسح المتوازي، وآلية خلط معززة، ووحدة تحكم ديناميكية في حجم الدفعة لتحقيق تسريع يصل إلى 17 ضعفاً مع الحفاظ على الدقة أو تحسينها عبر اختبارات معيارية متعددة.
تجادل هذه الورقة بأن الإنتروبيا العالية للتسلسلات الجينومية تحد بشكل أساسي من قدرة النماذج التأسيسية على تعلم تمثيلات ذات معنى، مما يؤدي إلى تنبؤات غير مستقرة وفشل في التقاط العلاقات بين الرموز (inter-token)، وهو ما يشير إلى أن منهجيات التدريب الحالية ذاتية الإشراف قد لا تكون مناسبة للبيانات الجينومية.
تقدم هذه الورقة ACE، وهو إطار عمل هجين يجمع بين التوجيه القائم على الإنتروبيا التنبؤية وبروتوكول "سلسلة الفكر براءة الاختراع" لتحقيق دقة رائدة في التحقق من صحة مطالبات براءات الاختراع (94.95% F1) مع تقليل التكاليف التشغيلية بنسبة 78% مقارنة بالنماذج اللغوية الكبيرة المستقلة، مدعوماً بمعيار ACE-40k الجديد.
تجادل هذه الورقة بأن اتخاذ القرار لدى المستثمر الفردي يكشف عن قيود حرجة في نماذج التخصيص الحالية للنماذج اللغوية الكبيرة بسبب التعقيد السلوكي، وانحراف الأطروحة، والتوتر بين الأسلوب والإشارة، والافتقار إلى الحقيقة المطلقة، مما يدفع المؤلفين إلى اقتراح استجابات معمارية واتجاهات بحثية جديدة لمجالات اتخاذ القرار عالية المخاطر والممتدة زمنياً بناءً على نظام إدارة المحافظ المعزز بالذكاء الاصطناعي الذي قاموا بنشره.
تقدم هذه الورقة أول تقييم شامل لمهارات وكلاء النماذج اللغوية الكبيرة في بيئات واقعية، كاشفةً أن مكاسب الأداء الناتجة عن المهارات هشة وتتدهور بشكل كبير عندما يتعين على الوكلاء الاسترجاع ذاتياً من مجموعات ضخمة، رغم أن استراتيجيات التحسين الخاصة بالاستعلام يمكن أن تستعيد هذا الأداء المفقود بشكل كبير.
تقدم هذه الورقة MINT، وهو معيار تشخيص طبي متعدد الأدوار يكشف كيف تهرع النماذج اللغوية الكبيرة غالبًا إلى استنتاجات سابقة لأوانها رغم قدراتها الكامنة على التصحيح الذاتي، وتثبت أن تأخير الأسئلة التشخيصية وعرض الأدلة بشكل استراتيجي يمكن أن يحسن دقة التشخيص بشكل كبير.
تعد Talk2AI مجموعة بيانات طولية واسعة النطاق تضم 3,080 محادثة بين 770 بالغاً إيطالياً ونماذج لغوية كبيرة متنوعة عبر أربعة جلسات أسبوعية، صُممت لتسهيل البحث حول كيفية تأثير الحوار بوساطة الذكاء الاصطناعي على تغيير الآراء، واستقرار القناعات، والتفاعل بين الإنسان والذكاء الاصطناعي في مواضيع مثل تغير المناخ، والقلق من الرياضيات، والمعلومات المضللة حول الصحة.
تقترح هذه الورقة طريقة جديدة ومستقرة ومتسقة إحصائياً لمحاذاة النماذج اللغوية تعتمد على تحسين نسبة الكثافة النسبية بين البيانات المفضلة ومزيج من البيانات المفضلة وغير المفضلة، مما يتغلب بفعالية على مشكلات عدم الاستقرار في التدريب والتباعد الموجودة في مناهج تحسين نسبة الكثافة المباشرة الحالية.
تكشف هذه الورقة عن فجوة كبيرة بين التمثيلات الداخلية والاستجابات المولدة لنماذج اللغات والرؤية الكبيرة في مهام فهم المستندات المرئية، مما يوضح أن المعلومات ذات الصلة بالمهمة غالبًا ما تكون أكثر سهولة في الوصول إليها في الطبقات المتوسطة، وأن الضبط الدقيق لهذه الطبقات يقلص هذه الفجوة بفعالية مع تحسين الأداء العام.