12021 ورقة بحثية
تقدم هذه الورقة SAFE، وهو إطار عمل يعزز استقرار وكفاءة تجميع النماذج اللغوية الكبيرة (LLM) للتوليد طويل التنسيق من خلال تجميع النماذج انتقائياً فقط عند رموز محددة حيث يتم تقليل عدم التطابق في الترميز (tokenization) ويكون الإجماع مرتفعاً، مع توظيف شحذ الاحتمالات للحفاظ على الثقة.
تحدد هذه الورقة "تأثير العصر" (squeezing effect) في طرق نسيان النماذج اللغوية الكبيرة الحالية، حيث تنتقل الكتلة الاحتمالية إلى إعادة صياغات ذات صلة دلالية، وتقترح إطار عمل للتمهيد الذاتي (bootstrapping framework) يستفيد من معتقدات النموذج عالية الثقة الخاصة به لقمع الاستجابات المستهدفة وإعادة صياغاتها بشكل أكثر فعالية مع الحفاظ على الفائدة.
تقترح هذه الورقة إطاراً لسياق حساسية البيانات يستفيد من سياق النوع والمجال لتحسين دقة اكتشاف البيانات الحساسة بشكل كبير وتقليل الإيجابيات الكاذبة مقارنة بالأدوات الحالية، كما تم التحقق من ذلك من خلال التجارب ودراسات الحالة من قبل الخبراء.
تقدم هذه الورقة مساراً شاملاً يستفيد من النماذج اللغوية الكبيرة لبناء مجموعات بيانات للتحقق من الحقائق، مهيكلة ومتعددة اللغات والوسائط باللغتين الفرنسية والألمانية، وذلك عبر تجميع خلاصات (ClaimReview)، واستخراج الأدلة، وتوليد المبررات لمعالجة أوجه القصور في موارد المعلومات المضللة الحالية.
تقدم هذه الورقة البحثية DNIPRO، وهو متن لغوي متعدد اللغات يضم 246,000 مقال إخباري من خمس دول تغطي الحرب الروسية الأوكرانية، والذي يتميز ببيانات وصفية مشروحة بشرياً حول الموقف، والمشاعر، والتأطير لتمكين الدراسة التجريبية للسرديات الجيوسياسية المتباينة وحروب المعلومات.
تقترح هذه الورقة إطاراً نظرياً لاتخاذ القرار للكشف عن الإخفاء الرقمي (steganography) وقياسه في النماذج اللغوية الكبيرة من خلال تقديم مفهوم "معلومات المعممة" و"الفجوة الإخفائية" لقياس عدم تماثل المعلومات بين الوكلاء، مما يتغلب على قيود الطرق الكلاسيكية التي تتطلب توزيعات مرجعية معروفة.
تقدم هذه الورقة البحثية \method{}، وهو إطار عمل لتقطير المعرفة يعمل على تحسين أداء النموذج الطالب في مهام الاستنتاج من خلال تدريب مجسات خفيفة الوزن على الحالات الخفية للمعلم المجمدة لتوليد إشارات إشراف أكثر نقاءً، مما يتجاوز الضجيج وفقدان المعلومات المتأصل في لوغيتات مخرجات المعلم.
تقترح هذه الورقة طريقة تقطير ذاتي قابلة للتوسع تعمل على محاذاة وتخصيص النماذج اللغوية من خلال الاستفيد من قدرتها المتأصلة على مراجعة الاستجابات بناءً على متابعات المستخدم، مما يثبت أن بيانات التفاعل متعدد الدورات الخام من عمليات النشر في العالم الحقيقي يمكن أن تحسن اتباع التعليمات والتكيف دون الحاجة إلى تغذية راجعة صريحة أو تراجع في القدرات.
تقترح هذه الورقة إطار عمل مدركاً للسياق يعمل على تحويل بيانات مسارات السفن الخام المستمدة من نظام التعريف الآلي (AIS) إلى تمثيلات مهيكلة ومثرية دلالياً وموسومة بمعلومات سياقية متعددة المصادر، مما يتيح توليد أوصاف باللغة الطبيعية محكومة بواسطة النماذج اللغوية الكبيرة (LLMs) لتسهيل عمليات الاستدلال والتحليلات البحرية رفيعة المستوى.
تقدم الورقة البحثية ReasonGR، وهو إطار عمل يعزز قدرة نماذج الاسترجاع التوليدي على التعامل مع مهام الاستدلال الرقمي والدلالي المعقدة، مثل الاستعلامات المالية، من خلال توظيف التلقين المهيكل ووحدة تكييف تركز على الاستدلال لتحسين دقة الاسترجاع بشكل كبير.