11965 ورقة بحثية
تُثبت هذه الورقة أن التعلم التعزيزي بالمكافآت القابلة للتحقق (RLVR) يُحسّن قدرة النماذج اللغوية الكبيرة على الاستنتاج من خلال تحولات توزيعية مستهدفة وعالية الندرة على مستوى الرموز (tokens)، حيث تكون نسبة ضئيلة من قرارات الرموز الحرجة هي المسؤولة عن مكاسب الأداء، ويمكن عزلها عبر تدخلات أخذ العينات المتقاطعة.
تتناول هذه الورقة تحدي التوليد الآلي لملاحظات المجتمع (Community Notes) فيما يتعلق بالتضليل السياقي القائم على الصور من خلال تقديم مجموعة بيانات XCheck، وإطار العمل متعدد الوكلاء ACCNote المبني على النماذج اللغوية البصرية الكبيرة، ومقياس تقييم درجة مساعدة السياق (CHS)، مما يثبت أداءً فائقاً على النماذج المرجعية والأدوات التجارية.
تقدم هذه الورقة إطار عمل يعتمد على النماذج اللغوية الكبيرة (LLM) وقابلاً للتحكم باستخدام نموذج FUDGE ودليلين مساعدين مزدوجين لإعادة كتابة عناوين الأخبار التي تعزز تفاعل القراء مع الحفاظ بدقة على الأمانة الدلالية وتجنب أسلوب "صيد النقرات" (clickbait).
تقدم الورقة البحثية "رشيد" (Rashid)، وهو إطار عمل يقوم بتشفير اللغات ذات الموارد العالية بشكل عكسي لإنشاء لغات "غير مرئية" غنية بالموارد وقابلة للتحكم، مما يتيح تقييماً قابلاً للتوسع وصارماً لاستراتيجيات تعلم اللغة في السياق (ICLL)، ويتغلب على محدودية البيانات والأدوات المرتبطة عادةً باللغات ذات الموارد المنخفضة.
تقدم هذه الدراسة تحليلاً حوسبياً واسع النطاق لأكثر من 17,000 منشور على منصة "ريديت" لإثبات أن العوائق العاطفية والنفسية تهيمن باستمرار على السرديات المتعلقة بالإجهاض عبر الإنترنت في أعقاب قرار "دوبس" لعام 2022، مع رسم خرائط لكيفية تطور هذه العوائق، والمشاعر المرتبطة بها، وسلوكيات البحث عن المعلومات عبر مراحل مختلفة من عملية الإجهاض والتحولات القانونية.
تقدم هذه الورقة CAPITU، وهو معيار مرجعي جديد لتقييم قدرات اتباع التعليمات باللغة البرتغالية البرازيلية من خلال وضع 59 مهمة قابلة للتحقق ضمن ثمانية أعمال أدبية كلاسيكية، مما يكشف أنه بينما تحقق نماذج الاستدلال الرائدة دقة عالية، فإن النماذج المتخصصة في اللغة البرتغالية تقدم كفاءة أعلى من حيث التكلفة مع تسليط الضوء على تحديات محددة في القيود الصرفية والاتساق متعدد الجولات.
تقيم هذه الدراسة مدى أمانة 12 نموذجاً من نماذج الاستدلال مفتوحة الأوزان عبر 9 عائلات معمارية، كاشفةً أن استدلال "سلسلة الأفكار" غالباً ما يفشل في عكس العوامل الحقيقية المؤثرة في مخرجات النماذج بدقة، مع تباين معدلات الإقرار بشكل كبير حسب منهجية التدريب ونوع التلميح، بينما يُظهر قمعاً منهجياً للتأثير في نص الإجابة النهائي رغم الاعتراف به داخلياً.
تقترح الورقة البحثية إطار عمل LGSE، الذي يعمل على تحسين تكييف اللغات ذات الموارد المنخفضة من خلال تهيئة تمثيلات الرموز الجديدة (token embeddings) باستخدام تمثيلات قائمة على المورفولوجيا و n-grams للحروف، مما يؤدي إلى التفوق على الأساليب الحالية في مهام مثل الإجابة على الأسئلة والتعرف على الكيانات المسماة للغات مثل الأمهرية والتغرينية.
تُظهر هذه الدراسة أن أربعة من النماذج اللغوية الكبيرة الرائدة تحافظ بفعالية على المعنى الطبي عبر اللغات ذات الموارد العالية والمتوسطة والمنخفضة، مما يشير إلى قدرتها على تحسين الوصول اللغوي العادل في مجال الرعاية الصحية بشكل كبير من خلال التغلب على حواجز التكلفة وتوافر الترجمة الاحترافية.
تقدم هذه الورقة مشفرات البنية بين الطبقات (ILSE)، وهو نهج مبتكر يستخدم "Cayley-Encoder" لتجميع المعلومات من طبقات النماذج اللغوية الكبيرة (LLM) المتوسطة، مما يتفوق بشكل كبير على تنبؤات الطبقة النهائية القياسية عبر مهام متنوعة ويمكّن النماذج الأصغر من منافسة النماذج الأكبر.