11965 ورقة بحثية
تقدم هذه الورقة البحثية "الدمج الواعي بالصراع"، وهو إطار عمل يستخدم بنية معالجة مزدوجة وأوليات معرفية مهيكلة للتغلب على "القصور الذاتي المنطقي" في النماذج اللغوية الكبيرة، مما يحقق دقة مثالية في مهام الاستدلال حتى في ظل وجود أدلة متناقضة واضطرابات هيكلية حيث تفشل النماذج القياسية تماماً.
تُعد SciLaD مجموعة بيانات جديدة، واسعة النطاق، وشفافة تماماً، تضم أكثر من 10 ملايين منشور علمي منسق باللغة الإنجليزية و35 مليون منشور متعدد اللغات، تم بناؤها باستخدام أطر عمل مفتوحة المصدر لتمكين البحث القابل لإعادة الإنتاج، وتم التحقق من صحتها بواسطة نموذج RoBERTa مُدرب مسبقاً يحقق أداءً يضاهي النماذج اللغوية العلمية الحالية.
تقدم هذه الدراسة مجموعة بيانات MADON ومسار معالجة لغات طبيعية ثلاثي المراحل لتصنيف الاستدلال القضائي والشكلية في قرارات المحكمة العليا التشيكية تلقائياً، مما يتحدى الروايات السائدة حول الشكلية في وسط وشرق أوروبا مع إثبات إمكانات تنقيب الحجج القانونية في الدراسات القانونية الحاسوبية.
تقدم هذه الورقة "Agent-Dice"، وهو إطار عمل لدمج المعلمات يعالج معضلة الاستقرار واللدونة في التعلم المستمر القائم على النماذج اللغوية الكبيرة من خلال فصل تحديثات المعرفة عبر تصفية الإجماع الهندسي والوزن القائم على الانحناء لموازنة الدلالات المشتركة مع التداخل الخاص بالمهام بشكل فعال.
تقدم الورقة البحثية "Pantagruel"، وهي عائلة من نماذج الترميز الموحدة ذات التعلم الذاتي للنصوص والكلام باللغة الفرنسية، والتي تتعلم تمثيلات فضاء الميزات السياقية لتحقيق أداء تنافسي أو متفوق عبر مهام متنوعة لاحقة مقارنة بالنماذج المرجعية الفرنسية الحالية.
تقدم هذه الورقة "أحاجي الوقت" (Time Puzzles)، وهي معيار لتقييم الاستدلال الزمني التكراري باستخدام الأدوات، كاشفةً أن حتى النماذج اللغوية الكبيرة المتطورة تعاني في استنتاج التاريخ دون قيود صريحة، وأن استخدام الأدوات الحالي لا يزال غير موثوق لمثل هذه المهام.
تُثبت هذه الورقة أن تقييم انحياز النماذج اللغوية الكبيرة وتخصيصها باستخدام إشارات ديموغرافية مفردة يؤدي إلى استنتاجات غير متسقة وغير مستقرة لأن استجابات النماذج تعتمد على إشارات لغوية محددة وارتباطات بين الإشارات والمجموعات، مما يستلزم أطر تقييم متعددة الإشارات للحصول على رؤى قوية.
تحدد ورقة "LinguaMap" أوجه قصور محددة في النماذج اللغوية الكبيرة متعددة اللغات فيما يتعلق بالتحكم في اللغة، وتكشف من خلال تحليل التفسيرية أن توليد اللغة الخاصة يتركز في الطبقات النهائية للنموذج، وتقترح استراتيجية ضبط دقيق انتقائية عالية الكفاءة تستهدف هذه الطبقات فقط لتحقيق اتساق لغوي شبه مثالي بأقل تكلفة حوسبية.
تقترح الورقة البحثية إطار العمل C-Cite، وهو إطار عمل مبتكر يعزز النماذج اللغوية الكبيرة المنسوبة إلى مصادر من خلال مواءمة علامات الاستشهاد صراحةً مع محتواها المرجعي عبر آلية مدركة للسياق، مما يحسن بشكل كبير كلاً من جودة الاستشهاد وصحة الاستجابة على مقيما ALCE.
تحلل هذه الدراسة مراجعات النظراء من مؤتمر (ICLR) ومجلة (Nature Communications) للكشف عن زيادة حادة في المحتوى المُنشأ بواسطة الذكاء الاصطناعي بدءاً من عام 2022، لتصل إلى حوالي 20% و12% على التوالي بحلول عام 2025، مما يسلط الضوء على الانتشار المتزايد للمساعدة المعتمدة على الذكاء الاصطناعي في التقييم الأكاديمي.