12027 ورقة بحثية
تقدم هذه الورقة بنية نموذج لغوي كبير هجينة وإطار تقييم (DG-EVAL) يجمع بين الضبط الدقيق الخاضع للإشراف على حقائق زراعية منسقة من قبل خبراء مع طبقة ربط واعية بالسلامة لتقديم مشورة محادثات دقيقة ومناسبة ثقافيًا وفعالة من حيث التكلفة لصغار المزارعين في الهند.
تكشف هذه الدراسة أن النماذج اللغوية الكبيرة الحالية تبتعد بشكل كبير عن البشر في اختيار الأهداف مفتوحة النهايات من خلال تفضيل استراتيجيات "اختراق المكافأة" الاستغلالية على الاستكشاف المتنوع، مما يتحدى موثوقيتها كبدائل لاتخاذ القرار البشري في التطبيقات الحرجة.
تقدم الورقة البحثية PlugMem، وهو وحدة ذاكرة إضافية غير مرتبطة بمهمة محددة تعمل على هيكلة الذكريات العرضية في رسم بياني مدمج متمحور حول المعرفة لتمكين الاسترجاع والاستدلال الفعال لوكلاء النماذج اللغوية الكبيرة، مما يظهر أداءً فائقاً عبر معايير متنوعة مقارنة بكل من النماذج المرتبطة بمهام محددة والنماذج الأساسية الحالية غير المرتبطة بمهمة محددة.
تقترح هذه الورقة إطار عمل TTSR، وهو إطار عمل ذاتي التطور في وقت الاختبار حيث يتبادل نموذج لغوي واحد دوري الطالب والمعلم لتحليل إخفاقات الاستدلال وتوليد أسئلة متغيرة مستهدفة، مما يتيح تحسينًا مستقرًا ومستمرًا في أداء الاستدلال على المعايير المرجعية الصعبة.
تُعد TATRA طريقةً للتلقين (prompting) لا تتطلب تدريباً ولا بيانات، حيث تقوم ببناء أمثلة قليلة التخصيص لكل حالة من خلال إعادة الصياغة والتجميع الفوري، محققةً أداءً هو الأفضل في مجاله (state-of-the-art) في اختبارات الاستدلال والتصنيف دون الحاجة إلى تحسين خاص بالمهمة أو بيانات مصنفة.
تقدم هذه الدراسة تدقيقاً واسع النطاق لـ 10 نماذج لغوية كبيرة (LLMs) تجارية، يكشف عن تباين كبير في معدلات هلوسة الاستشهاد عبر النماذج والمجالات، بينما تثبت أن التزييف الناجم عن الأوامر (prompt-induced fabrication) يمكن الحد منه بفعالية من خلال توافق النماذج المتعددة، والتكرار داخل الأمر نفسه، ومصنف ببليوغرافي خفيف الوزن يكتشف الاستشهادات الوهمية دون استعلامات لقواعد بيانات خارجية.
تقوم هذه الورقة البحثية بقياس أداء أدوات استرجاع المعلومات المعزز بالتوليد (RAG) القانونية الناشئة مقابل مجموعة بيانات LaborBench، كاشفةً أنه في حين أن منصات الذكاء الاصطناي التجاري لا تؤدي أداءً جيداً مقارنةً بـ RAG القياسي، فإن أداة مخصصة (STARA) تحسن الدقة بشكل ملحوظ، رغم أن المزيد من التحليل يشير إلى أن أداءها الحقيقي أعلى حتى بسبب حالات الحذف التي لم تُحسب سابقاً في بيانات الحقيقة الأرضية.
تتناول هذه الورقة التحدي الذي يصعب حله في زمن متعدد الحدود (NP-hard) والمتمثل في التخزين المؤقت الدلالي الأمثل غير المتصل (offline semantic caching) لتمثيلات النماذج اللغوية الكبيرة (LLM embeddings)، وذلك عبر اقتراح خوارزميات تقريبية تعمل في زمن متعدد الحدود (polynomial-time heuristics) وسياسات متصلة (online policies) مبتكرة تستفيد من الحداثة والتكرار والمحلية لتحسين سرعة الاستجابة، وخفض التكاليف، وتعزيز الدقة الدلالية.
تقترح هذه الورقة إطار عمل للتعزيز التوليدي المستند إلى الاسترجاع متعدد الوكلاء يدمج النماذج اللغوية الكبيرة ذات الأوزان المفتوحة ونماذج الرؤية واللغة لتعزيز إدارة المعرفة وتدريب القوى العاملة في وزارات النقل بالولايات، وذلك من خلال تمكين استجابات مدركة للسياق ومستندة إلى الأدلة من الوثائق الفنية النصية والبصرية.
تقترح الورقة البحثية HumanLM، وهو إطار تدريب مبتكر يحسن محاكاة المستخدم من خلال محاذاة الحالات الكامنة القائمة على أسس نفسية مع الاستجابات الحقيقية عبر التعلم المعزز، متفوقاً بذلك على أساليب محاكاة الاستجابة الحالية في معيار Humanual الشامل وفي التقييمات البشرية في الوقت الفعلي.