12021 ورقة بحثية
تقدم هذه الورقة البحثية "المعايرة الخاضعة للإشراف" (Supervised Calibration - SC)، وهي إطار عمل لتقليل الخسارة يعمل على تعزيز التعلم في السياق (In-Context Learning) في النماذج اللغوية الكبيرة من خلال تعلم تحويلات تآلفية مثلى لكل فئة لتصحيح الانحيازات المنهجية وتغيير اتجاهات حدود القرار، مما يحقق أداءً رائدًا عبر نماذج وبيانات متعددة.
تتقصى هذه الورقة كيف تعتمد نماذج التفضيل بشكل مفرط على سمات سطحية مثل الطول والأسلوب بدلاً من الجودة الجوهرية، وتعمل على قياس هذا الخلل في المعايرة مقابل التفضيلات البشرية، وتُبين أن طريقة تعزيز البيانات بأسلوب واقعي مضاد تخفف بفعالية من هذه الانحيازات مع الحفاظ على الأداء العام.
تقترح هذه الورقة طريقة جديدة للتحيز السياقي للتعرف التلقائي على الكلام تستفيد من التصحيحات التي يقدمها المستخدم في الوقت الفعلي لأخطاء الاستبدال لمعالجة عدم التطابق بين النطق والتهجئة بفعالية، محققةً تحسناً نسبياً يتراوح بين 22% و34% في معدلات خطأ الكلمات المتحيزة دون المساس بأداء النظام العام.
تقدم الورقة البحثية حزمة UQLM، وهي حزمة برمجية بلغة بايثون تستفيد من تقنيات قياس عدم اليقين الحديثة لتوليد درجات ثقة للكشف عن الهلوسة وتعزيز موثوقية مخرجات النماذج اللغوية الكبيرة.
تُظهر هذه الدراسة أن دمج عملية حل الإحالة المرجعية (coreference resolution) في أنظمة التوليد المعزز بالاسترجاع (RAG) يعزز بشكل كبير من صلة الاسترجاع وأداء الإجابة على الأسئلة، لا سيما بالنسبة للنماذج اللغوية الصغيرة، وذلك من خلال حل غموض الكيانات الذي قد يعيق الفهم السياقي بخلاف ذلك.
تستخدم هذه الورقة تقنيات التفسير في مهمة الجمع بزيادة واحد (off-by-one) لتكشف أن النماذج اللغوية الكبيرة تحقق تعميماً على مستوى المهمة من خلال آلية "استقراء الدوال" القابلة لإعادة الاستخدام، حيث تتعاون رؤوس انتباه متعددة لتعلم وتركيب دوال مجردة لحل مشكلات غير مرئية.
تقدم الورقة البحثية Text2VLM، وهو مسار مبتكر يحول مجموعات البيانات النصية فقط إلى مطالبات متعددة الوسائط لتقييم وكشف الحساسية المتزايدة لنماذج اللغة المرئية مفتوحة المصدر تجاه هجمات حقن المطالبات الطباعية، مما يعزز تطوير آليات سلامة قوية للذكاء الاصطناعي متعدد الوسائط.
تقدم هذه الورقة WebDS، وهو أول معيار شامل (end-to-end) لعلوم البيانات القائمة على الويب، والذي يضم 870 مهمة معقدة ومتعددة الخطوات عبر مواقع إلكترونية متنوعة، مما يكشف عن فجوات أداء كبيرة بين وكلاء النماذج اللغوية الكبيرة الحاليين والقدرات البشرية في مجالات الحصول على البيانات وتحليلها واستخلاص الرؤى في العالم الحقيقي.
تقدم هذه الورقة ObfusQAte وإطار عمل Obfus, وهو معيار جديد مصمم لتقييم متانة النماذج اللغوية الكبيرة من خلال اختبار أدائها في الأسئلة الواقعية الخاضعة للتعمية متعددة المستويات، مما يكشف أن النماذج غالباً ما تفشل أو تهلوس عندما تواجه تنوعات لغوية دقيقة.
تقدم الورقة البحثية MultiWikiQA، وهو معيار قياس ضخم لفهم القراءة يغطي 306 لغات مع أكثر من 1.2 مليون عينة تم إنشاؤها من مقالات ويكيبيديا والتحقق من صحتها من خلال التقييم البشري، مما يظهر تفاوتات كبيرة في الأداء عبر اللغات وبنى النماذج المختلفة.