11750 ورقة بحثية
تقدم الورقة البحثية مجموعة بيانات GPT-NL العامة، وهي مجموعة بيانات ذات ترخيص ميسر تضم 36 مليار رمز فريد للغة الهولندية إلى جانب بيانات منسقة باللغات الإنجليزية والبرمجية والألمانية/الدنماركية، صُممت لتسهيل تطوير نماذج لغوية تجارية قانونية ومفيدة.
تقدم هذه الورقة البحثية "تجزئة عامل المكافأة التبايني" (VRF)، وهو إطار عمل مدرك لعدم اليقين يعمل على تخصيص النماذج اللغوية الكبيرة من خلال تمثيل تفضيلات المستخدم كتوزيعات تباينية في مساحة مشتركة، مما يؤدي إلى تحسين دقة وموثوقية الاستدلال مقارنة بالطرق الحتمية الحالية عبر مختلف المعايير والسيناريوهات.
يقدم هذا البحث CARE، وهو إطار عمل استدلالي وكيلِيّ ممتثل للخصوصية يجمع بين نموذج لغوي كبير بعيد لتوليد توجيه مهيكل ونموذج لغوي كبير محلي لاتخاذ القرارات القائمة على الأدلة لحل تضارب الأدلة السريرية بفعالية في التنبؤ بخلل وظائف الأعضاء في وحدة العناية المركزة، متفوقاً بذلك على النهج الحالية في مجموعة بيانات MIMIC-DOS المقترحة حديثاً.
تقدم هذه الورقة مجموعة بيانات "Lenghening" وإطار عمل "ExpInstruct" لمعالجة "نمط الإطالة التكراري" (RLF) المهمل في تحليل المشاعر، مبرهنةً على أن هذا الأسلوب غير الرسمي الفريد يعد مؤشراً هاماً للمشاعر، وأن الضبط الدقيق للتعليمات المكون من مرحلتين يمكن أن يمكّن النماذج اللغوية الكبيرة مفتوحة المصدر من مضاهاة أداء GPT-4 وقدرته على التفسير في هذه المهمة.
تقدم هذه الورقة البحثية M2-Verify، وهو معيار متعدد الوسائط واسع النطاق ومُتحقق منه من قبل خبراء يمتد عبر 16 مجالاً علمياً بأكثر من 469 ألف حالة، والذي يكشف أن النماذج الحالية المتطورة تعاني في التعامل مع الاتساق المعقد بين الادعاء والأدلة وتهلوس التفسيرات بشكل متكرر رغم أدائها العالي في المهام الأبسط.
تقترح هذه الورقة إطار عمل لنمذجة المكافأة معززاً بالميزات وقابلاً للتفسير، يدمج إشارات مثل طول الاستجابة والسمية لتحسين دقة تعلم التفضيلات البشرية في النماذج اللغوية بشكل كبير، مع تحليل التحيز وآليات اتخاذ القرار.
تقدم الورقة البحثية "ذاكرة الاستنتاج" (Reasoning Memory)، وهو إطار عمل للجيل المعزز بالاسترجاع يعمل على توسيع نطاق أداء الاستنتاج عبر تفكيك 32 مليون مسار استنتاجي إلى مدخلات معرفية إجرائية قابلة لإعادة الاستخدام، مما يمكّن النماذج من استرجاع وتطبيق الروتينات الفرعية ذات الصلة أثناء الاستدلال للتفوق على النماذج المرجعية الحالية لتوسيع النطاق أثناء الاختبار والجيل المعزز بالاسترجاع (RAG) عبر اختبارات معايير الرياضيات والعلوم والبرمجة.
تقدم هذه الورقة البحثية نظام "Deep Policy Research" (DPR)، وهو نظام وكيل أدنى (minimal agentic system) يقوم بصياغة سياسات الإشراف على المحتوى الشاملة ذاتياً من معلومات مجال أولية عبر البحث المتكرر في الويب واستخلاص القواعد، مما يظهر أداءً يتفوق على النماذج المرجعية الحالية وينافس السياسات التي يكتبها الخبراء عبر معايير قياسية متنوعة.
تحدد هذه الورقة وتتحقق من صحة عصبونات (MLP) المتفرقة والقابلة للتأثير السببي في الطبقات المبكرة من النماذج اللغوية، والتي تشفر بشكل انتقائي كيانات محددة، مما يثبت أن تنشيط هذه الخلايا الموضعية يمكن أن يسترجع بشكل موثوق المعرفة الواقعية الخاصة بالكيان ويدعم التنميط القياسي القوي عبر مختلف الأشكال اللغوية.
تقيم هذه الورقة ثلاثة نهج قائمة لتحديد عتبات التوقف التي تميز بين عمليات الترجمة الآلية والتأملية، وتقترح طريقة مبتكرة لحساب فواصل وحدات الإنتاج.