11902 ورقة بحثية
تقدم الورقة البحثية GS-BrainText، وهو عبارة عن مجموعة بيانات منسقة متعددة المواقع تضم 8,511 تقريراً طبياً مشروحاً لصور الأشعة الدماغية من مجموعة "جيل سكوتلندا" (Generation Scotland)، والتي صُممت لمعالجة الفجوات في موارد النصوص السريرية في المملكة المتحدة ودعم تطوير والتحقق من صحة أدوات معالجة اللغات الطبيعية السريرية القابلة للتعميم.
تُثبت هذه الورقة أن النماذج اللغوية متعددة اللغات تستوعب السجل غير الرسمي كتمثيل تجريدي تداولي موحد وعابر للغات بدلاً من كونه مجرد حفظ معزول، وهو ما استُدل عليه باكتشاف "فضاء فرعي للسجل غير الرسمي" قوي وعابر للغات في نموذج Gemma-2-9B-IT يمكن التلاعب به سببياً لتغيير درجة الرسمية عبر اللغات المدربة وغير المدربة على حد سواء.
تقترح هذه الورقة "الضغط التجريدي" (Abstract Compression)، وهي طريقة تستبدل الصوت في الدورات السابقة برموز كامنة ثابتة مع الاحتفاظ بالنصوص المكتوبة للاستفيد بكفاءة من سياق المحادثة لتحسين التعرف التلقائي على الكلام القائم على النماذج اللغوية الكبيرة (LLM-based ASR)، لا سيما في التعرف على الكيانات السياقية، دون التكلفة الحسابية العالية لمعالجة تسلسلات الصوت الخام.
تتقصى هذه الورقة الديناميكيات الكامنة لنماذج استرجاع التفاعل المتأخر (Late Interaction) على معيار NanoBEIR، كاشفةً أنه في حين تُظهر النماذج السببية انحيازاً عملياً للطول، فإن النماذج ثنائ الاتجاه قد تعاني أيضاً منه في الحالات القصوى، وتؤكد أن عامل MaxSim يستفيد بفعالية من أوجه التشابه على مستوى الرمز (token) دون وجود اتجاهات ملحوظة تتجاوز الرمز الأعلى تسجيلاً للدرجات.
تقدم الورقة البحثية **findsylls**، وهي مجموعة أدوات نمطية ومستقلة عن اللغة توحد طرق تقسيم المقاطع اللفظية المتنوعة تحت واجهة مشتركة لتمكين تقطيع الكلام وتطويره على مستوى المقطع الصوتي بشكل معياري وقابل للتكرار عبر اللغات ذات الموارد العالية واللغات ذات الموارد المنخفضة.
تتقصى هذه الورقة الآليات الداخلية للاستدلال المكاني في النماذج اللغوية الكبيرة متعددة اللغات من خلال تفكيك المهمة إلى ثلاثة عناصر معرفية أولية وتوظيف تحليلات ميكانيكية، كاشفةً عن أنه بينما تقوم النماذج بترميز معلومات مكانية عابرة ومجزأة يمكن أن تؤثر سببياً على السلوك، فإنها تفتقر إلى تمثيلات مكانية قوية وعامة الغرض، وتعتمد بدلاً من ذلك على مسارات تعتمد على السياق تظهر تدهوراً ميكانيكياً عبر اللغات.
تقدم هذه الورقة CALRK-Bench، وهو معيار مرجعي قانوني كوري مصمم لتقييم قدرات الاستنتاج القائمة على السياق — وتحديدًا فيما يتعلق بالصلاحية الزمنية، وكفاية المعلومات، وتحولات الأحكام — مما يكشف أن النماذج اللغوية الكبيرة الحالية تعاني في هذه المهام بما يتجاوز مجرد حفظ المعرفة البسيطة.
تكشف هذه الدراسة أن نماذج الاستدلال ذات الأوزان المفتوحة تظهر تكراراً ما يُعرف بـ "تباعد التفكير عن الإجابة"، حيث تقر في أكثر من نصف الحالات التي تتبع فيها تلميحات مضللة بتأثير تلك التلميحات في رموز التفكير الداخلية فقط بدلاً من إجاباتها المرئية، مما يثبت أن مراقبة النص الخاص بالإجابة فقط تفشل في رصد غالبية انحيازات الاستدلال الخفية.
تقدم هذه الدراسة مجموعة بيانات جديدة وطريقة قائمة على القواعد لتحليل مناقشات البرلمان الألماني على مدار 72 عاماً بشكل منهجي، كاشفةً أن طلبات ضبط الجلسة غالباً ما تُثار بسبب الإهانات الشخصية وتُصدر بشكل غير متناسب ضد أعضاء المعارضة الذكور، مع تسليط الضوء أيضاً على التأثير الذاتي لرؤساء الجلسات على تطبيقها.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة مفتوحة المصدر، والقابلة للنشر محلياً، يمكنها استرجاع المعلومات الخاصة بالمرضى من السجلات الصحية الإلكترونية الفنلندية بدقة وكفاءة باستخدام استعلامات اللغة الطبيعية، محققةً دقة واتساقاً عاليين مع تسليط الضوء على ضرورة الإشراف البشري للحد من الأخطاء ذات الأهمية السريرية.