11081 ورقة بحثية
تقدم AutoDesign إطار عمل لتحسين الحزام الميتا (meta-harness) يُمكّن وكيل البرمجة من تحسين قدراته التصميمية بشكل تكراري من خلال التغذية الراجعة طويلة الأمد، محققاً أداءً هو الأفضل في فئته في تحويل الأوراق الأكاديمية إلى ملصقات، ومتفوقاً بذلك على الأنظمة التجارية مثل Claude Design.
تقدم الورقة البحثية ReXrank، وهو لوحة متصدر عامة وإطار تقييم معياري يتميز بمجموعة بيانات ReXGradient واسعة النطاق ومقاييس متعددة لتقييم ومقارنة نماذج الذكاء الاصطناعي موضوعياً لتوليد تقارير الأشعة السينية للصدر بشكل آلي.
تقدم هذه الدراسة مراجعة شاملة لمعالجة اللغات الطبيعية القابلة للتفسير (XNLP) عبر سبعة مجالات حيوية، حيث تحلل المتطلبات الخاصة بكل مجال، وتقارن بين أساليب التفسير، وتقترح بروتوكول تقييم ثنائي المستويات لسد الفجوة بين المقاييس التقنية والقابلية للتطبيق في العالم الحقيقي.
تقدم الورقة البحثية SteeringSafety، وهو معيار شامل لتقييم طرق توجيه التمثيلات عبر تسعة منظورات للسلامة و18 مجموعة بيانات، كاشفةً أنه في حين يمكن للتوجيه أن يستهدف سلوكيات محددة بفعالية، فإنه غالباً ما يتسبب في تدهور غير مقصود كبير في أبعاد سلامة أخرى مثل السلوك الاجتماعي والحكم المعياري بسبب التشابك الجوهري.
تثبت هذه الورقة تجريبيًا أنه بالنسبة للهجات الهندية منخفضة الموارد، فإن الضبط الدقيق باستخدام كميات صغيرة من البيانات الخاصة باللهجة غالبًا ما يؤدي إلى أداء في التعرف التلقائي على الكلام يضاهي استخدام مجموعات بيانات أكبر من لغات عالية الموارد ذات صلة تطورية، مما يتحدى الافتراض بأن التقارب اللغوي وحده هو ما يحدد نجاح النقل.
تقترح هذه الورقة تقييد الميزات الداخلية في النماذج اللغوية لتكون متعامدة تقريبًا بناءً على مبدأ الآليات السببية المستقلة، مما يوضح أن تنظيم التعامد هذا يقلل من تداخل الميزات لتمكين تدخلات سببية أكثر عزلاً وموثوقية على مفاهيم مثل الاستدلال الرياضي دون المساس بأداء النموذج العام.
تُثبت هذه الدراسة تجريبياً أنه في حين أن التغذية الراجعة الواضحة والشاملة المولدة بواسطة النماذج اللغوية الكبيرة تُحسن عالمياً أداء طلاب المدارس الثانوية في المراجعة، فإن التصميم الأمثل فيما يتعلق بالجدة المعلوماتية والتأطير العاطفي يتباين بشكل كبير عبر ملفات المتعلمين المختلفة، مما يسلط الضوء على الحاجة إلى استراتيجيات تغذية راجعة تراعي خصائص المتعلم.
تقيم هذه الورقة أداء النماذج اللغوية الكبيرة وأنظمة الترجمة الآلية في سيناريوهات الأزمات، كاشفةً عن تدهور كبير في الجودة في اللغات ذات الموارد المنخفضة وعدم اتساق حرج في تصنيف الاستعجال القائم على النماذج اللغوية الكبيرة عبر اللغات المختلفة، مما يشكل مخاطر على فعالية فرز الأزمات.
تقدم الورقة البحثية RedditPersona، وهو إطار عمل معياري يوحد عمليات جمع البيانات، وتوصيف المستخدمين، والتقييم من أجل تكييف النماذج اللغوية الكبيرة مع المجتمعات المشروطة، حيث أثبتت من خلال تجارب على 112 من مجتمعات "ريديت" (subreddits) المتعلقة بالرفاهية الحضرية أن قابلية تحديد الهوية السلوكية تتوافق مع الاتفاق بين الاستراتيجية والمجتمع، بينما تكشف عن مقايضة ثابتة بين قابلية تحديد الهوية والتشابه التوزيعي للنصوص.
تقدم هذه الورقة SAPO، وهي طريقة تحسين تلقائي للمطالبات على مستوى القطع تعمل على تفكيك المطالبات إلى مكونات متميزة لاستهداف نقاط ضعف محددة، وتتفوق على النهج الموحدة الحالية عبر مختلف المعايير.