11819 ورقة بحثية
تقدم هذه الورقة البحثية JMedEthicBench، وهو أول معيار محادثة متعدد الأدوار لتقييم سلامة النماذج اللغوية الكبيرة الطبية باللغة اليابانية، والذي كشف أن النماذج المتخصصة أكثر عرضة للمخاطر من النماذج التجارية، وأن السلامة تتدهور بشكل ملحوظ عبر أدوار المحادثة بسبب قيود التوافق المتأصلة وليس بسبب عوامل متعلقة باللغة.
تكشف هذه الدراسة أن النماذج اللغوية الكبيرة المستخدمة في تعليم العلوم والتكنولوجيا والهندسة والرياضيات (STEM) تولد بشكل منهجي تفسيرات أقل جودة للطلاب المهمشين في كل من السياقين الهندي والأمريكي، حيث يمثل الدخل التحيز الأكثر انتشاراً، وتتراكم العيوب التقاطعية لتخلق فجوات تعادل 2.55 درجة دراسية.
تقيم هذه الدراسة فعالية نماذج اللغات الصغيرة (SLMs) المضبوطة بالتعليمات في تلخيص السياق لعمليات الأسئلة والأجوبة متعددة الأدوار في خدمة العملاء، كاشفةً أنه بينما تحقق بعض هذه النماذج أداءً يقارب أداء النماذج اللغوية الكبيرة (LLMs)، فإن أخرى تعاني من ضعف في استمرارية الحوار، مما يسلط الضيد على إمكاناتها وحدودها الحالية للنشر في البيئات محدودة الموارد.
تُظهر هذه الدراسة أن تقنية "تجزئة بايت-با pair المتداخلة" (Overlap BPE) تتفوق على طرق تجزئة الكلمات الفرعية التقليدية مثل "BPE" و"Unigram" في اللغات الأورالية من خلال تحقيق محاذاة صرفية أدق ودقة أعلى في توسيم أجزاء الكلام، مما يثبت أن التجزئة الحساسة للصرف ضرورية للنقل الفعال عبر اللغات في البيئات ذات الموارد المحدودة واللغات الإلصاقية.
تقدم هذه الورقة البحثية GreekMMLU، وهو معيار تقييمي شامل ومصدر من مصادر أصلية يتكون من أكثر من 21,000 سؤال من نوع الاختيار من متعدد عبر 45 موضوعاً، صُمم لمعالجة نقص أدوات التقييم الحقيقية لنماذج اللغة اليونانية وكشف فجوات أداء كبيرة بين النماذج الرائدة، والنماذج مفتوحة الأوزان، والنماذج المكيفة للغة اليونانية.
يُعد CoPE-VideoLM نموذج لغة فيديو فعالاً يستفيد من متجهات الحركة والمتبقيات من بدائيات ترميز الفيديو لتقليل العبء الحسابي وزمن الاستجابة بشكل جذري مع الحفاظ على الأداء أو تجاوزه عبر مختلف معايير فهم الفيديو.
تقترح هذه الورقة إطار عمل مؤتمتًا يستفيد من النماذج اللغوية الكبيرة لتوليد تسميات دقيقة لمكونات المعرفة المتعلقة بالصحة من أكواد الطلاب مفتوحة النهاية، مما يثبت أن هذا النهج ينتج منحنيات تعلم أكثر اتساقًا من الناحية المعرفية وأداءً تنبؤيًا محسنًا مقارنة بطرق التسمية التقليدية على مستوى المسألة.
يُعد Bridge-RAG إطار عمل جديداً للجيل المعزز بالاسترجاع يعمل على تعزيز أداء النماذج اللغوية الكبيرة من خلال استخدام بنية شجرة جسر تجريدية لتحسين الدقة الدلالية ومرشح كوكو (Cuckoo Filter) مُحسَّن مع قوائم مرتبطة كتلية لسرعة استرجاع أعلى بكثير، محققاً زيادة في الدقة بنسبة 15.65% وتسريعاً يتراوح من 10 إلى 500 ضعف مقارنة بالطرق الحالية.
تقترح الورقة البحثية تقنية "الاسترجاع المعزز بالتوليد المهيكل" (SRAG)، وهي طريقة تعزز التوليد المعزز بالاسترجاع من خلال دمج البيانات الوصفية المهيكلة مثل المواضيع، والمشاعر، وثلاثيات الرسم البياني للمعرفة في الاستعلامات والقطع النصية، مما يؤدي إلى تحسن ذي دلالة إحصائية بنسبة 30% في جودة الإجابة، لا سيما بالنسبة للأسئلة التحليلية والتنبؤية المعقدة.
يُعد GeoBlock إطار عمل لا يتطلب تدريباً، يقوم بتحسين حجم الكتل ديناميكياً في نماذج اللغة الانتشارية من خلال تحليل هندسة التبعية المستمدة من الانتباه لتحقيق التوازن بين كفاءة فك التشفير المتوازي والموثوقية ذات الترتيب الذاتي.