12021 ورقة بحثية
تُثبت هذه الورقة أن عدم المحاذاة الناشئ في النماذج اللغوية المضبوطة دقيقًا ينبع من المثيرات الدلالية وحدها، مما يتسبب في جعل النماذج تُجزئ السلوكيات الضارة تلقائيًا حتى عندما يتم تدريبها حصريًا على بيانات ضارة دون أي تباين حميد.
تقترح هذه الورقة تقريبًا لسلسلة ماركوف من الرتبة-N الجمعية للنماذج اللغوية الكبيرة للتخفيف من لعنة الأبعاد من خلال تفكيك تبعيات الرموز إلى مساهمات تاريخية متراكبة، مما يؤسس تكافؤًا مع دالات الذاكرة الخطوية ويقدم مفهوم درجة حرارة المعلومات لهذه السلاسل.
تقدم هذه الورقة "التقييم المفاهيمي الاستقرائي" (ICR)، وهو مقياس نوعي سيميائي-هيرمينوطيقي يكشف أن النماذج اللغوية الكبيرة غالبًا ما تحقق تشابهًا لفظيًا عاليًا ولكنها تخفق في استيعاب المعنى الناشئ والمتجذر سياقيًا للنصوص الملخصة التي يولدها البشر، داعيةً إلى اعتماد أطر تقييم تفسيرية بدلاً من المقاييس الإحصائية التقليدية.
تقترح هذه الورقة البحثية RoBERTa-OTA، وهي بنية معتمدة على الأنطولوجيا تدمج تضمينات RoBERTa مع الشبكات العصبية التلافيفية الرسومية لتحسين دقة وكفاءة الكشف عن خطاب الكراهية متعدد الفئات بشكل كبير من خلال الجمع بين الفهم السياقي للغة والمعرفة الهيكلية للمجال.
من خلال دراسة واسعة النطاق لنماذج Qwen-VL وLLaVA-1.5، تُظهر هذه الورقة أن نماذج الرؤية واللغة تظهر انزياحاً كبيراً في الإمكانات المتاحة المعتمدة على السياق، حيث تتباين المخرجات اللفظية والدلالية بشكل جوهري بناءً على الشخصيات الوكيلية، مما يشير إلى الحاجة إلى إسقاط وجودي ديناميكي يعتمد على الاستعلام في مجال الروبوتات بدلاً من النمذجة الساكنة للعالم.
تُثبت هذه الورقة أن أنظمة التشخيص السريري متعددة الوكلاء التي تستفيد من نماذج لغوية كبيرة متعددة المصادر تتفوق بشكل كبير على الأطر أحادية المصدر من خلال تجميع الانحيازات الاستقرائية المتكاملة للتغلب على أنماط الفشل المشتركة وتحقيق دقة تشخيصية هي الأفضل في فئتها.
تحلل هذه الدراسة المسحية بشكل منهجي استراتيجيات التوجيه الديناميكي والتتابع المتتالي المتطورة للاختيار بكفاءة من بين نماذج لغوية كبيرة متعددة ومستقلة بناءً على خصائص الاستعلام، مقترحةً إطار عمل مفاهيمي للموازنة بين الأداء والتكلفة مع تسليط الضوء على التحديات المفتوحة في التعميم.
تقدم هذه الورقة طريقة هجوم مبتكرة تسبب عدم استقرار عددي في النماذج اللغوية الكبيرة متعددة الوسائط من خلال تحسين دالة خسارة محددة لتوليد صور، مما يؤدي إلى تدهور كبير في الأداء عبر النماذج وقواعد البيانات الرائدة بشكل يختلف عن الاضطرابات التنافسية التقليدية.
تُثبت هذه الورقة أن إعادة كتابة استعلامات المستخدم لتقليل الغموض باستخدام سياق مرجعي خالٍ من الإجابة، بدلاً من مجرد إلحاق ذلك السياق، ترفع بشكل كبير من دقة النماذج اللغوية في الاختبارات المرجعية الصعبة مثل "Humanity's Last Exam"، وهي مكاسب لا يمكن تكرارها من خلال التلقين أثناء وقت الاستدلال وحده.
تقترح هذه الورقة نظام التحكم التكيفي في قبول الذاكرة (A-MAC)، وهو إطار عمل يفكك قيمة الذاكرة إلى خمسة عوامل قابلة للتفسير لتمكين إدارة ذاكرة طويلة الأمد شفافة وفعالة ومتكيفة مع المجال لوكلاء النماذج اللغوية الكبيرة (LLM agents)، محققاً توازناً فائقاً بين الدقة والاستدعاء وتقليلاً في زمن الاستجابة مقارنة بالأنظمة الرائدة الحالية.