11070 ورقة بحثية
تقدم هذه الورقة FMG-Bench، وهو معيار مرجعي يتكون من 120 سيناريو مصمم لتقييم وتحسين أداء النماذج اللغوية الكبيرة في الفرز اللاهوتي المسيحي والإرشاد الرعوي، مما يثبت أن التعليمات المهيكلة تعزز بشكل كبير السلوكيات الحرجة المتعلقة بالسلامة مثل التعرف على الحالات التي يكون فيها الإحالة البشرية ضرورية.
تقترح هذه الورقة وتتحقق من صحة إطار تقييم جديد يقيس الفقدان الدلالي في تعلم الأنطولوجيا القانونية من خلال مقارنة أداء النماذج اللغوية الكبيرة في المهام على الوثائق المصدرية مقابل التمثيلات المهيكلة، مما يكشف أن الحفاظ على الدلالات يتباين بشكل كبير اعتماداً على الاقتران المحدد بين النماذج اللغوية وطرق تعلم الأنطولوجيا.
تقدم هذه الورقة AnchorSIPS، وهي مجموعة بيانات اصطناعية مكونة من 10,000 مقابلة مهيكلة لمخاطر الذهان مع أهداف قياس مستندة إلى النصوص، صُممت للتغلب على عقبات الوصول إلى البيانات وتقييم قدرة نماذج الذكاء الاصطناعي على إجراء تقييم وتشخيص للأعراض مدعوم بالأدلة.
تقترح الورقة البحثية "مطابقة الانتباه الواعية بالتفكير" (TAM)، وهي طريقة مبتكرة لضغط ذاكرة التخزين المؤقت لـ KV، تستفيد من الهيكل الهرمي لسلسلة التفكير من خلال تخصيص الميزانية التكيفي وحماية الرموز المحورية لتقليل استخدام الذاكرة بشكل كبير مع الحفاظ على الدقة أو تحسينها مقارمًا بالضغط الموحد.
تقترح هذه الورقة البحثية طريقة SCLoRA، وهي طريقة جديدة للتكيف منخفض الرتبة (Low-Rank Adaptation) تستفيد من عملية القص الطيفي (spectral clipping) على المكونات المنفردة ذات المعلمات لتكييف المكونات الصغرى الخاصة بالمهمة بشكل انتقائي مع الحفاظ على المعرفة الأساسية سابقة التدريب، مما يؤدي إلى تحسين الأداء في المهام اللاحقة والحد من النسيان الكارثي.
تقدم هذه الورقة المعيار المرجعي MBIND لتوضيح أن نماذج الرؤية واللغة تظهر ترابط مفاهيم هشاً يعتمد على اللغة، وينهار بشكل كبير في الإعدادات متعددة اللغات عبر العائلات والخطوط المختلفة، مما يتحدى افتراض اتساق الأداء عبر اللغات المتنوعة.
تتناول هذه الورقة البحثية المقايضة بين التأسيس (grounding) والشمولية في التوليد طويل النص من خلال اقتراح إطار عمل للتعلم التعزيزي قائم على معيار النقاط الرئيسية، والذي يحقق -عند دمجه بشكل ناعم مع مكافآت التأسيس والصلة- توازناً متفوقاً بين الدعم الواقعي وتغطية المعلومات الشاملة مقارنة بالأساليب الحالية.
تقدم هذه الورقة CulShield، وهو أول معيار مرجعي يمتد عبر 77 دولة وأكثر من 2,000 محظور ثقافي لتقييم سلامة النماذج اللغوية الكبيرة فيما يتعلق بالمحظورات الثقافية، كاشفةً عن "فجوة معرفية سلوكية" كبيرة حيث تمتلك النماذج المعرفة الثقافية لكنها تفشل في تطبيقها في التفاعلات الضمنية المعتمدة على السياق.
تقدم هذه الورقة FinED-Bench، وهو أول معيار لتقييم اكتشاف الأخطاء المالية عبر ثلاثة مستويات من التعقيد المعرفي، والذي يكشف أنه بينما تعاني النماذج اللغوية الكبيرة الحالية في هذه المهمة الحرجة، فإن الضبط الدقيق الخاضع للإشراف يمكن أن يعزز أداءها بشكل كبير.
تُظهر هذه الورقة أن السمات المُدركة للتقنيات الاستهلاكية، والتي تم تقييمها من قِبل كل من البشر والنماذج اللغوية الرائدة، يمكن أن تُحسن بشكل كبير التنبؤ بانتشار الملكية مقارنة بالأساسات المعتمدة على عمر الإطلاق، وإن كانت هذه الميزة تتضاءل في التوقعات قصيرة المدى حيث تظل اتجاهات الملكية ثابتة.