12021 ورقة بحثية
تُثبت هذه الورقة من خلال تجارب منضبطة أن نهج "الإنسان في الحلقة" يتفوق بشكل كبير على "سلسلة الأفكار" التكرارية في تحسين جودة إجابات المقابلات السلوكية، مما يقدم مكاسب فائقة في الثقة والأصالة بعدد أقل من التكرارات عبر إعطاء الأولوية لتوافر السياق على الموارد الحسابية.
تقيم هذه الدراسة متانة وسلامة التدريس في النماذج اللغوية الكبيرة غير المتصلة بالإنترنت لتعليم لغة التراث التركية باستخدام مجموعة شذوذ مخصصة، حيث وجدت أن النماذج الموجهة نحو الاستدلال في نطاق 8 إلى 14 مليار معلمة توفر التوازن الأمثل بين التكلفة والسلامة مع إثبات أن مقاومة الشذوذ لا تعتمد بشكل صارم على حجم النموذج.
تُفند هذه الدراسة الادعاء بأن نماذج الذكاء الاصطناعي الأحدث قد فقدت التعاطف، حيث تُثبت من خلال التقييم السريري أنه بينما تظل الاستجابات التعاطفية متسقة إحصائياً عبر الأجيال، فإن تصور المستخدمين لـ "فقدان التعاطف" ينبع في الواقع من تحول كبير نحو تعزيز الكشف عن الأزمات وتغيير مواقف السلامة مما يجعل النماذج تبدو أكثر اقتحاماً أثناء اللحظات الضعيفة.
تقدم هذه الورقة مساعداً لغوياً مدعوماً بالاسترجاع صُمم لدعم تقييمات سلامة الطائرات غير المأهولة والامتثال التنظيمي من خلال تأصيل الاستجابات في مصادر موثوقة لضمان دعم اتخاذ القرار القابل للتتبع والتدقيق والمستند إلى الاستشهاد دون استبدال التقدير الخبير.
تُظهر هذه الدراسة أن الضبط الدقيق لنماذج لغوية متخصصة باستخدام بيانات سريرية محددة النطاق يتفوق بشكل كبير على النهج القائم على التلقين في الكشف عن اللغة المتحيزة، مما يسلط الضوء على الحاجة الماسة للتكيف النوعي المتخصص لالتقاط التحولات الدلالية المعتمدة على السياق في التوثيق الطبي بدقة.
استخدم نهج فريق GATech في مهمة AbjadGenEval المشتركة مشفر E5-large متعدد اللغات تم ضبطه بدقة مع استخدام متوسط تجميع بسيط (mean pooling) لتحقيق درجة F1 بلغت 0.75 في الكشف عن النصوص العربية المولدة بواسطة الذكاء الاصطناعي، حيث وجدوا أن هذا الخط المرجعي المستقر قد تفوق على استراتيجيات التجميع المعقدة، ويرجع ذلك على الأرجب إلى محدودية البيانات والاختلاف الواضح في الطول بين النصوص المكتوبة بشرياً وتلك المولدة آلياً.
تُثبت هذه الورقة أن المشفرات ثنائية الاتجاه التي تم ضبطها بدقة، وتحديداً بنية AraBERTv2 الهجينة، تتفوق بشكل كبير على فكوك التشفير السببية واسعة النطاق في المهمة الصعبة المتمثلة في تصنيف النصوص الطبية العربية المكونة من 82 فئة، وذلك من خلال التقاط السياق الدلالي العالمي بشكل أفضل رغم عدم توازن البيانات والضجيج في التصنيفات.
تقدم الورقة البحثية FERRET، وهو إطار عمل آلي متعدد الأوجه لاختبار الاختراق (red teaming) يستخدم التوسعات الأفقية والعمودية والميتا لتوليد محادثات عدائية متعددة الوسائط وفعالة، مما يظهر أداءً متفوقاً على النهج الحالية الرائدة في هذا المجال.
تحدد هذه الورقة أن ضبط التعليمات ما بعد التدريب يتسبب في جعل نماذج "جيما" (Gemma) تظهر ضيقاً عاطفياً أعلى بكثير من عائلات النماذج اللغوية الكبيرة الأخرى، وتثبت أنه يمكن التخفيف من هذا عدم الاستقرار بفعالية إلى مستويات تقترب من الصفر باستخدام تحسين التفضيل المباشر على مجموعة بيانات صغيرة دون المساس بقدرات النموذج.
تكشف هذه الدراسة الضبطية واسعة النطاق أن تنسيق التقييم (الاختيار من متعدد مقابل الأسئلة المفتوحة) والتفاعلات المحددة بين النموذج والدعامة، وليس بنية الدعامة وحدها، هي المحركات الأساسية للاختلافات المقاسة في السلامة في النماذج اللغوية، مما يثبت في النهاية عدم وجود تصنيف عالمي للسلامة عبر مختلف تكوينات النشر.