12253 ورقة بحثية
تقدم هذه الورقة البحثية TAB-PO، وهي طريقة مبتكرة لتحسين التفضيلات تستخدم حواجز تكيفية على مستوى الرمز (token-level) ومزايا موزونة للتغلب على قيود طريقة DPO القياسية في مهام التوليد الهيكلي الحرجة للرموز، محققةً تحسينات كبيرة في الأداء في مجال التوسيم الطبي من خلال معالجة مشكلات مثل انهيار الهامش وتخفيف التدرج.
تقدم هذه الورقة البحثية إطار عمل ActMem، وهو إطار عمل مبتكر يسد الفجوة بين استرجاع الذاكرة والاستنتاج من خلال تحويل سجل الحوار إلى رسم بياني سببي مهيكل لتمكين وكلاء النماذج اللغوية الكبيرة من استنتاج القيود الضمنية وحل النزاعات، إلى جانب معيار جديد، ActMemEval، لتقييم هذه القدرات المعززة.
تقدم هذه الورقة EPPCMinerBen، وهو معيار مرجعي جديد يتكون من ثلاث مهام فرعية و1,933 جملة تم ترميزها من قبل خبراء من بوابة المرضى في مستشفى ييل نيو هيفن، لتقييم أداء مختلف النماذج اللغوية الكبيرة في تحليل التواصل الإلكتروني بين المريض ومقدم الرعاية الصحية، مما يكشف أن النماذج الأكبر والمضبوطة بالتعليمات تتفوق عمومًا على النماذج الأصغر، لا سيما في استخراج الأدلة والاستدلال دقيق التفاصيل.
تقترح هذه الورقة تحديد وتوجيه "الأبعاد الحرجة للمجال" (Domain-Critical Dimensions)—وهي وحدات سمات قابلة للتفسير تتميز باستجابات هائلة—لتحقيق أداء متفوق في تكييف المجال وكسر الحماية (jailbreaking) في النماذج اللغوية الكبيرة مقارنة بالتوجيه التقليدي للأبعاد الكاملة.
تقدم الورقة البحثية إطار عمل GRIP، وهو إطار لرفع كفاءة البيانات يوحد بين موازنة التوزيع العالمي واختيار العينات المحلية من خلال النمذجة الهندسية والجهد المعلوماتي التكيفي، مما يمكّن النماذج من التفوق على تلك المدربة على مجموعات بيانات أكبر بكثير وغير منقحة.
تقدم الورقة البحثية إطار عمل MMGrader، الذي يستخدم الرسوم البيانية للمفاهيم لاستنتاج جودة النماذج الذهنية لطلاب العلوم والتكنولوجيا والهندسة والرياضيات (STEM) من الإجابات القصيرة متعددة الوسائط، لكنها تجد أن النماذج اللغوية البصرية الحالية تحقق دقة تبلغ حوالي 40% فقط، وبالتالي تقصر عن الوصول إلى مستوى الأداء البشري رغم قدرتها على مساعدة المعلمين في تصميم تدخلات تربوية مستهدفة.
تحلل هذه الدراسة مجموعة بيانات تضم 16,695 تغريدة باللغة العربية حول لبنان لتُبين أن عدم اليقين اللغوي يزيد بشكل كبير من تفاعل المستخدمين، لا سيما في شكل الردود، مما يشير إلى أن عدم اليقين يعمل كإشارة حوارية في الخطاب عبر وسائل التواصل الاجتماعي بغير اللغة الإنجليزية.
تقترح هذه الورقة إطار عمل "الجزاء التكيفي المتدرج" (SWAP)، وهو إطار تعلم تعزيزي دقيق يخصص جزاءات الطول ديناميكيًا لخطوات الاستدلال منخفضة الأهمية بناءً على مساهمتها في الإجابة الصحيحة، مما يحقق تقليلاً بنسبة 64.3% في طول الاستدلال وتحسناً بنسبة 5.7% في الدقة دون التضحية بالأداء.
تتحقق هذه الدراسة من تصنيف الهلوسة الهندسية في نموذج GPT-2 من خلال إثبات أن إخفاقات فجوة التغطية (النوع 3) هي نمط الإخفاق الأكثر تميزاً واستقراراً، والتي تتميز بانفصال معيار ثابت في التضمينات الساكنة، بينما تؤكد أن نوعي انزياح المركز وتقارب البئر الخاطئ لا ينفصلان هندسياً، وأن التحليلات على مستوى الرمز (token) تعاني من تكرار زائف شديد.
تقدم هذه الورقة إطاراً تشخيصياً مدركاً للأنماط التصنيفية باستخدام التبعيات العالمية والاضطرابات في وقت الاستدلال لتقييم كيفية اعتماد نماذج اللغة المقنعة متعددة اللغات (mBERT وXLM-R) على ترتيب الكلمات مقابل الصرف التصريفي عبر خمس لغات، مما يكشف أنه بينما يؤدي الترتيب العشوائي الكامل إلى تدهور الأداء بشدة، فإن استبدال اللمات يؤثر بشكل كبير على الدقة في اللغات التصريفية ولكنه يفشل في التخفيف من آثار الاضطراب الهيكلي.