12021 ورقة بحثية
تقترح هذه الورقة نظام "إثبات الحواجز الوقائية" (Proof-of-Guardrail)، وهو نظام يستفيد من بيئات التنفيذ الموثوقة لتوفير إثبات تشفيري وقابل للتحقق بأن وكلاء الذكاء الاصطناعي يفرضون تدابير سلامة محددة، مما يعالج تهديد السلامة المعلنة كذباً مع الإقرار بالمخاطر المتبقية مثل عمليات كسر الحماية النشطة.
تقيم هذه الورقة تجريبياً فعالية ومحدودية التلقين متعدد الأمثلة (many-shot prompting) للتكيف أثناء وقت الاختبار في النماذج اللغوية الكبيرة، حيث وجدت أنه بينما يفيد المهام المهيكلة ذات كسب المعلومات العالي، فإن أداءه حساس للغاية لاستراتيجيات الاختيار وغالباً ما يحقق تحسينات محدودة في التوليد مفتوح النهايات.
تقدم هذه الورقة منهجية تجميعية فعالة من حيث التكلفة باستخدام النماذج اللغوية الكبيرة (LLMs) ومقاييس تقييم مبتكرة (نسبة الحفاظ على المحتوى، وسلامة صياغة الوسوم) لتحقيق وسم دلالي دقيق وموثوق لقرارات مجلس الأمن التابع للأمم المتحدة مع تقليل الهلوسة إلى أدنى حد.
يُعد InfoGatherer إطار عمل مبدئيًا للإجابة على الأسئلة المستندة إلى الوثائق في الحالات عالية المخاطر، حيث يجمع بين الأدلة المسترجعة والأسئلة الاستراتيجية للمستخدم، مستخدمًا تعيينات الاعتقاد لـ "دمبستر-شيفر" لنمذجة عدم اليقين وتحسين موثوقية القرار مع تقليل عدد جولات التفاعل.
تُثبت هذه الورقة أن معالجة المغالطة البيئية من خلال نمذجة السياق اللغوي للمؤلف عبر مهمة محددة تسمى HuLM، لا سيما أثناء الضبط الدقيق (HuFT) أو التدريب المسبق المستمر، يحسن بشكل كبير أداء نموذج Llama بحجم 8 مليار بارامتر عبر مهام متعددة لاحقة مقارنة بطرق التدريب القياسية.
تقترح هذه الورقة إطار عمل لإعادة صياغة الأسلوب المهيكل يجمع بين الفصل الصريح للأبعاد الأسلوبية والاشتراط الضمني لسلسلة الأفك "Chain-of-Thought" لتمكين النماذج اللغوية الصغيرة من تحقيق تقمص أدوار الشخصيات بدقة عالية واتساق دون الحاجة إلى رموز استدلال صريحة أثناء الاستدلال.
تقترح هذه الورقة نهجاً للنمذجة القابلة للتفسير يدمج السمات النفسية على مستوى الفرد مع سمات السياق الموقفي المستمدة من بيانات وسائل التواصل الاجتماعي للتنبؤ بالرفاهية النفسية الديناميكية، مما يثبت أن الأساليب القائمة على النظرية تقدم أداءً تنافسياً ورؤى أكثر قابلية للفهم البشري مقارنة بتضمينات النماذج اللغوية القياسية.
يُعد Track-SQL إطار عمل مبتكر يعزز نماذج اللغة التوليدية لمهام تحويل النص إلى SQL متعددة الجولات من خلال دمج وحدات استخراج مزدوجة لتتبع المخطط الدلالي والسياق، محققاً أداءً هو الأفضل في فئته على مجموعتي بيانات SparC وCoSQL.
تقيم هذه الورقة أداء أربعة من النماذج اللغوية الكبيرة ذات الأوزان المفتوحة والأحدث حالياً في تصحيح مقالات اللغة الألمانية لمستوى (A-level) النمساوي باستخدام مطالبات قائمة على معايير التقييم، لتجد أنه على الرغم من قدرتها على تطبيق معايير موحدة، إلا أن معدلات توافقها المنخفضة مع الخبراء البشريين (بحد أقصى 40.6% في الأبعاد الفرعية و32.8% في الدرجات النهائية) تجعلها غير مناسبة حالياً للتصحيح الآلي في العالم الحقيقي.
تقترح هذه الورقة آلية "صفرية التدريب" (zero-shot) تستفيد من تمثيلات المطالبات الكامنة لقص نافذة السياق الثابتة لنماذج اللغات الانتشارية ديناميكيًا قبل عملية التوليد، مما يقلل التكاليف الحسابية بشكل كبير مع الحفاظ على الأداء أو تحسينه عبر المهام المتنوعة.