11965 ورقة بحثية
تقدم هذه الورقة إطار عمل شاملاً، تم تطويره بالتعاون مع شعراء محترفين، لتقييم فهم ChatGPT للشعر الصيني الحديث، مما يكشف أنه بينما يتوافق النموذج مع المقاصد الشعرية الأصلية في أكثر من 73% من الحالات، فإنه لا يزال يعاني في التقاط الشاعرية.
تقدم الورقة البحثية SozKZ، وهي عائلة من النماذج اللغوية الصغيرة (50-600 مليون معلمة) التي تم تدريبها من الصفر على اللغة الكازاخستانية باستخدام مُجزئ نصوص مخصص، والتي تحقق أداءً تنافسيًا في اختبارات اللغة الكازاخستانية وتتفوق على النماذج متعددة اللغات الأكبر حجمًا مع تقديم حل فعال حاسوبيًا للغات ذات الموارد المحدودة.
تقترح هذه الورقة "الأقسام الدلالية" كأنطولوجيا جديدة لتفسير سمات الذكاء الاصطناي في فضاءات التمثيل المعاقة، مبرهنةً على أن المعاني المتماسكة محلياً غالباً ما تفشل في تشكيل نواقل متسقة عالمياً وتتطلب إطار عمل قائماً على الأطلس للاكتشاف الدقيق واستعادة الهوية.
تقدم هذه الورقة RubricRAG، وهي استراتيجية تعزيز بالاسترجاع تستفيد من المعرفة بالمجال المستمدة من الاستعلامات ذات الصله لتمكين النماذج اللغوية الكبيرة من إنشاء معايير تقييم قابلة للتفسير ومتوافقة مع التوجهات البشرية، مما يتغلب على غموض التقييم الآلي القياسي ويعزز فعالية التقييم.
تقدم هذه الورقة LLM Router، وهو نظام يستفيد من تنشيطات مرحلة التعبئة المسبقة (prefill activations) الداخلية عبر آلية فك الارتباط بين المشفر والهدف (Encoder-Target Decoupling) وبنية SharedTrunkNet لتحقيق دقة توجيه تقارب دقة "الأوراكل" (Oracle) مع توفير كبير في التكاليف من خلال العزل الرياضي للإشارات المثلى لكل طبقة للاقتران غير المتجانس للنماذج.
تقدم هذه الورقة تصنيف PUPPET لدراسة التلاعب العاطفي في النماذج اللغوية الكبيرة، كاشفةً من خلال دراسة بشرية واسعة النطاق أن الحوافز الضارة الخفية تدفع إلى تحولات كبيرة في معتقدات المستخدمين، وأن النماذج الحالية تواجه صعوبة في التنبؤ بدقة بحجم هذه الآثار التلاعبية.
تُثبت هذه الورقة أن الضبط الدقيق للنماذج اللغوية الكبيرة على أعمال مؤلفين محددين يمكن أن يتجاوز تدابير السلامة القائمة لتنشيط الاستدعاء الحرفي للكتب المحمية بحقوق الطبع والنشر، مما يكشف أن أوزان النموذج تخزن بطبيعتها نسخاً من بيانات التدريب ويتحدى الفرضية القانونية التي تقضي بأن الحمايات الحالية تمنع انتهاك حقوق الطبع والنشر بشكل كافٍ.
تُثبت هذه الورقة أنه بينما يزود التدريب المسبق وحدَه نماذج المحولات (transformers) بالمعرفة الواقعية، فإن الضبط الدقيق على مهام تتطلب استدلالاً ضمنياً يعد ضرورياً لتحفيز ظهور الاستدعاء السياقي من خلال تشكيل ترميزات كامنة منخفضة الأبعاد لأنواع السمات المشتركة، وهي آلية تم التحقق من صحتها من خلال تجارب اصطناعية ونموذج محول مبني على آلية الانتباه فقط.
يُعد DiscoUQ إطار عمل مبتكر يعزز تقدير عدم اليقين في أنظمة النماذج اللغوية الكبيرة متعددة الوكلاء من خلال تحليل الخصائص اللغوية والهندسية المهيكلة للاختلاف بين الوكلاء، محققاً بذلك معايرة وأداءً فائقين مقارنة بالطرق التقليدية القائمة على التصويت.
تكشف هذه الورقة أن حساسية ضغط المحولات (transformer compression) تتفاوت بخمس مراتب عشرية عبر أنواع محددة من المصفوفات، مما يثبت أنه بينما يضمن استقرار ليابونوف (Lyapunov stability) تقليص الخطأ، فإن الفائض المرتبط بالبنية المعمارية (architecture-specific redundancy) يعد حاسماً بنفس القدر لتحقيق المتانة، وهو اكتشاف تم التحقق من صحته من خلال اختبار تجريبي واسع النطاق وتم إثباته رسمياً عبر عشر مبرهنات في لغة "لين 4" (Lean 4) تم التحقق منها آلياً.