12021 ورقة بحثية
تقدم هذه الورقة البحثية TARAZ، وهو معيار جديد للإجابات القصيرة باللغة الفارسية وإطار تقييم هجين يتغلب على قيود خيارات متعددة ومقاييس المطابقة التامة الحالية لتقييم الكفاءة الثقافية للنماذج اللغوية الكبيرة بشكل أكثر دقة من خلال التطبيع الصرفي وتسجيل التشابه الدلالي.
تُظهر هذه الدراسة أن الوصول إلى النماذج اللغوية الكبيرة يُمكّن المستخدمين المبتدئين بشكل كبير من التفوق على المبتدئين الذين يعتمدون على الإنترنت فقط، وفي بعض الحالات على الخبراء البيولوجيين، في المهام المتعلقة بالأمن الحيوي، بينما تكشف أيضاً أن الضمانات الحالية غير كافية لمنع الحصول على معلومات مزدوجة الاستخدام.
تكشف هذه الورقة أن نسيان الآلة في النماذج اللغوية الكبيرة غالباً ما يفشل في تحقيق محو قوي للمعرفة في الإعدادات التفاعلية الواقعية متعددة الجولات، حيث يمكن استعادة المعلومات المنسية من خلال التصحيح الذاتي والاستعلام المشروط بالحوار، مما يشير إلى أن التقييمات الثابتة الحالية تبالغ بشكل كبير في تقدير الفعالية في العالم الحقيقي.
تقترح هذه الورقة إطار عمل قياسي يعتمد على نظرية الحزم (sheaf-theoretic) لتفسير التراكب في النماذج اللغوية الكبيرة عبر استبدال القواميس العالمية بخرائط دلالية محلية، مما يسمح بقياس ثلاثة عوائق محددة أمام القابلية للتفسير — وهي الحشر المحلي (local jamming)، وقص الوكيل (proxy shearing)، والتحول غير البديهي (nontrivial holonomy) — والتحقق من هذه الحدود النظرية من خلال تجارب تجريبية على نموذج Llama-3.2-3B.
تُقيّم هذه الورقة البحثية بشكل نقدي نموذج (GT-BEHRT) القائم على المحولات الرسومية للتنبؤ بالسجلات الصحية الإلكترونية الطولية، مع الإقرار بأدائه التمييزي القوي وتقدمه المعماري، وفي الوقت ذاته تسلط الضوء على فجوات ترجمية جوهرية في المعايرة والعدالة وجدوى النشر يجب معالجتها قبل الاعتماد السريري.
تقدم هذه الورقة KazakhOCR، وهو معيار مرجعي اصطناعي لتقييم النماذج متعددة الوسائط في النصوص الكازاخستانية منخفضة الموارد بالنماذج العربية والسيريلية واللاتينية، مما يكشف أن النماذج اللغوية الكبيرة متعددة الوسائط الحالية تقصر بشكل كبير مقارنة بطرق التعرف الضوئي على الحروف التقليدية، لا سيما في التعرف على النصوص العربية واللاتينية وتحديد اللغة بشكل صحيح.
تقدم هذه الورقة البحثية تقنية تقطير المعرفة المزدوجة الانتقائية للرموز (TSD-KD)، وهي إطار عمل يرتكز على الطالب يجمع بين التغذية الراجعة غير المباشرة القائمة على التفضيل وبين مطابقة التوزيع الانتقائية على مستوى الرمز لمساعدة النماذج الأصغر على تجاوز قيود السعة وتحقيق أداء استدلالي رائد، يتجاوز في كثير من الأحيان نماذج المعلم الخاصة بها.
تقدم هذه الورقة مراجعة منهجية شاملة وتحليلاً ببليومترياً قائماً على البيانات لـ 149 مقالاً بحثياً من عام 1954 إلى عام 2025، تتبع تطور تقنيات تضمين الكلمات وتحدد كمياً تحولاً جذرياً في النماذج ما بعد GPT-3 نحو الأساليب السياقية، وفرق التعاون الأكبر، وأولويات البحث الجديدة المدفوعة من قبل الصناعة.
تقدم هذه الورقة نماذج عالم كالمان (Kalman World Models)، وهو إطار عمل خالٍ من التدرج يستبدل الانتشار العكسي بالترشيح البايزي المتكرر وتكييف كسب كالمان لتمكين التدريب عبر الإنترنت، القوي لنماذج فضاء الحالة والمحولات، استناداً إلى نظرية التحكم.
تقترح الورقة البحثية إطار عمل "حل التداخل" (Resolving Interference - RI)، وهو إطار عمل خفيف الوزن يستخدم بيانات مساعدة غير مصنفة لفك تشابك النماذج الخبيرة إلى مساحات متعامدة وظيفياً، مما يقلل من تداخل المهام المتبادل ويحسن بشكل كبير أداء وتعميم دمج النماذج دون الحاجة إلى بيانات خاصة بكل مهمة.