12021 ورقة بحثية
تقدم هذه الورقة البحثية MMOU، وهو معيار شامل يضم 15,000 سؤال عبر 9038 فيديو متنوع طويل المدى لتقييم الاستدلال الشامل للأنماط (البصري، والصوتي، والنصي)، مما يكشف عن فجوات كبيرة في الأداء وأنماط فشل منهجية في النماذج متعددة الوسائط الحالية المتطورة.
تقدم هذه الورقة إطار عمل للتعزيز الاسترجاعي المولد (RAG) متعدد الوسائط ومعزز بالاستشهادات، مصمم لتعزيز القابلية للتفسير والتدقيق في الامتثال الضريبي من خلال إعطاء الأولوية لموثوقية المصدر، وإثبات المصدر على مستوى الصفحة، والامتناع القائم على الأدلة لتقليل الهلوسة في تحليل الوثائق المالية.
تقترح هذه الدراسة إطار عمل للضبط الدقيق الانتقائي عالي الكفاءة في المعلمات، حيث يقوم بتحديث كتلة "ترانسفورمر" النهائية، وطبقة تسوية الطبقات، ورأس التصنيف لنموذج GPT-2 فقط، محققاً دقة تبلغ حوالي 91% في تصنيف التقارير الإشعاعية مع تدريب أقل من 6% من معلمات النموذج.
تقدم هذه الورقة "فافاناجي" (Vavanagi)، وهي منصة بقيادة مجتمعية للغة "هولا" في بابوا غينيا الجديدة، تستخدم الترجمة القائمة على التعهيد الجماعي والمراجعة التي يقودها كبار السن لإنشاء متن موازٍ كبير مع إرساء إطار عمل من المستوى الخامس لتقنية لغوية تدار بالكامل من قبل المجتمع.
تنتقد هذه الورقة الاعتماد على المقاييس المعجمية السطحية لتقييم أنظمة الحوار الشخصية المعززة بالاسترجاع مثل LAPDOG، حيث تثبت من خلال تحليل بشري وقائم على النماذج اللغوية الكبيرة أن مثل هذه المقاييس تفشل في رصد الخصائص المعرفية واللغوية الجوهرية، داعيةً بذلك إلى أطر تقييم ترتكز على التماسك والاتساق والتفاهم المشترك.
تقدم هذه الورقة إطار عمل تخطيط هرمي لتشخيص إخفاقات وكلاء الويب القائمين على النماذج اللغوية الكبيرة عبر طبقات التخطيط عالي المستوى، والتنفيذ منخفض المستوى، وإعادة التخطيط، كاشفةً أنه في حين تعمل خطط (PDDL) المهيكلة على تحسين صياغة الاستراتيجية، إلا أن التنفيذ منخفض المستوى والترسيخ الإدراكي يظلان هما العقبات الرئيسية أمام تحقيق الموثوقية بمستوى القدرات البشرية.
تقدم هذه الورقة MedPriv-Bench، وهو أول معيار مصمم لتقييم المفاضلة بين الخصوصية والمنفعة في النماذج اللغوية الكبيرة الطبية من خلال تخليق تهديدات واقعية للخصوصية وإثبات وجود توتر سائد بين الدقة السريرية وحماية بيانات المرضى.
يُعد SemantiCache إطار عمل مبتكرًا لضغط ذاكرة التخزين المؤقت من نوع (KV cache) يحافظ على السلامة الدلالية عبر تقسيم الذاكرة إلى أجزاء متماسكة ودمج الرموز عبر التجميع الجشع والانتباه النسبي، مما يحقق سرعة فك تشفير تصل إلى 2.61 ضعفًا ويقلل من استخدام الذاكرة دون المساس بأداء النموذج.
تقدم هذه الورقة البحثية (ECG-Reasoning-Benchmark)، وهو إطار تقييم متعدد الجولات يكشف أنه على الرغم من امتلاك النماذج اللغوية الكبيرة متعددة الوسائط والمتطورة للمعرفة الطبية، إلا أنها تفشل بشكل حرج في إجراء استدلال بصري حقيقي خطوة بخطوة عند تفسير إشارات تخطيط كهرباء القلب، حيث تعتمد غالباً على إشارات سطحية بدلاً من تأصيل التشخيصات بناءً على أدلة بصرية فعلية.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة تُظهر ديناميكيات دافعية متماسكة وشبيهة بالبشر، حيث ترتبط الدوافع المُبلغ عنها ذاتياً بشكل منهجي مع البصمات السلوكية، والأداء في المهام، والاستجابة للتلاعبات الخارجية، مما يشير إلى أن الدافعية هي مفهوم تنظيمي صالح لفهم سلوك النماذج اللغوية الكبيرة.