12034 ورقة بحثية
يقدم هذا البحث إطار عمل "أصداء التاريخ" (History-Echoes) لإثبات أن تاريخ المحادثة ينحاز للنماذج اللغوية الكبيرة عبر خلق "فخ هندسي" في الفضاء الكامن، حيث يتجلى الاستمرار السلوكي من خلال ارتباط قوي بين اتساق الحالة الاحتمالية والمحاذاة التمثيلية الهندسية.
تقترح هذه الورقة "الاستدلال بالزمن الإنتروبي"، وهو نموذج جديد يستبدل فك التشفير الخطي القائم على الرموز (tokens) ببنية ذاتية التنظيم ومدفوعة بالإنتروبيا لتخصيص الموارد الحسابية ديناميكيًا، وتحسين تشتت الانتباه، وتكييف درجات حرارة أخذ العينات من أجل توليد أكثر كفاءة وذكاءً للنماذج اللغوية الكبيرة.
تقدم هذه الورقة سجلاً تقنياً وتاريخياً لنظام "لوغوفيستا" (Logovista) للترجمة الآلية من الإنجليزية إلى اليابانية، حيث تفصل بنيته القائمة على القواعد، وممارسات تطويره، وتطوره التجاري طويل الأمد من أوائل التسعينيات حتى عام 2012، مع تسليط الضوء على القطع الأثرية المحفوظة للدراسة المستقبلية.
تُظهر هذه الدراسة أن الضبط الدقيق المخصص للمهام يمكن أن يسد "فجوة التجسيد" في النماذج اللغوية الكبيرة بفعالية من خلال توجيه تمثيلاتها الداخلية نحو أنماط حسية حركية متجذرة، رغم أن هذه التحسينات تعمم عبر اللغات والأبعاد ذات الصلة ولكنها تظل شديدة الحساسية لهدف التعلم المحدد.
تقدم هذه الورقة M-QUEST، وهو إطار عمل ومعيار دلالي يتكون من 609 أزواج من الأسئلة والأجوبة عبر عشرة أبعاد تفسيرية، صُمم لتقييم وتطوير قدرة النماذج اللغوية الكبيرة على أداء الاستدلال القائم على المنطق العام وكشف السمية في الميمات (memes) المنتشرة على الإنترنت.
تقدم هذه الورقة تقنية Retcon، وهي تقنية تعتمد على التلقين بلقطات قليلة (few-shot prompting) تتيح تحكماً دقيقاً على مستوى الدور في النماذج اللغوية الكبيرة خلال المحادثات متعددة الأدوار، مما يظهر أداءً أفضل بكثير من نهجي الصفر (zero-shot) واللقطات القليلة التقليدية.
تقدم هذه الورقة آلية انتباه ذاتي كلاسيكية مستوحاة من الكم مدمجة في نموذج GPT-1، والتي تتفوق بشكل كبير على آلية الانتباه الذاتي القياسية في معدل خطأ الحروف، ومعدل خطأ الكلمات، وفقدان الإنتروبيا المتقاطعة، مع تكبد زيادة طفيفة فقط في وقت الاستدلال.
تقدم هذه الورقة إطار عمل آلي لاكتشاف المفاهيم باستخدام المشفرات التلقائية المتناثرة لتحليل تفضيلات النماذج اللغوية الكبيرة المستخدمة كحَكَم، مما يكشف عن دوافع قابلة للتفسير لسلوك النموذج — مثل التحيزات نحو الملموسية والتعاطف والرسمية — والتي تتجاوز تصنيفات التحيز المحددة مسبقاً وتختلف عن التقييمات البشرية.
تقترح هذه الورقة نهجاً عصبياً رمزياً يستفيد من نظرية العلوم الاجتماعية والاستدلال الاستنباطي لاستخراج قواعد تلقائياً لتوجيه النماذج اللغوية الكبيرة في التحول بفعالية بين السرديات ذات الأطر الفردية والجماعية مع الحفاظ على المعنى الجوهري للرسالة الأصلية.
تقدم الورقة البحثية DIALEVAL، وهو إطار عمل قائم على نظرية الأنواع يستخدم وكلاء نماذج لغوية كبيرة (LLM) مزدوجين لتفكيك التعليمات تلقائياً إلى محمولات نمطية ذات دلالات استيفاء متمايزة، مما يحقق دقة أعلى بكثير ومواءمة أقوى مع التقدير البشري مقارنة بالنماذج المرجعية الحالية، لا سيما في سياقات المحادثات المعقدة ومتعددة الأدوار.