12253 ورقة بحثية
يُعدُّ CIRCUS إطار عمل لاحقاً (post-hoc) يعالج حساسية اكتشاف الدوائر الميكانيكية تجاه الخيارات التعسفية للمحلل عبر بناء مجموعات استقرار لاستخراج دائرة توافقية متينة وواعية بالشك، تتفوق على النماذج المرجعية التقليدية في كل من الإيجاز والارتباط السببي.
تقدم هذه الورقة البحثية QwanQwa (QQ)، وهي مجموعة أدوات بايثون خفيفة الوزن توحد موارد بيانات اللغة المتنوعة لتبسيط عمليات تطبيع المعرفات، والتعيين، والاستكشاف عبر آلاف اللغات لأبحاث معالجة اللغات الطبيعية متعددة اللغات.
يُعد TraceSIR إطار عمل متعدد الوكلاء يعالج تحديات تحليل آثار التنفيذ الوكيلية المعقدة من خلال توظيف وكلاء متخصصين لضغط البيانات، وإجراء تحليل دقيق للأسباب الجذرية، وتوليد تقارير قابلة للتنفيذ، مُظهراً أداءً فائقاً في معايير TraceBench وReportEval المستحدثة.
تُعد منصة SSKG Hub منصة إلكترونية يوجهها الخبراء وتستفيد من النماذج اللغوية الكبيرة لتحويل معايير الاستدامة المعقدة إلى رسوم بيانية معرفية قابلة للتدقيق ومرتبطة بمصدر موثوق، وتتميز بمسار عمل دقيق متعدد المراحل للتقييم يضمن إمكانية التتبع والجودة من خلال حوكمة قائمة على الأدوار وفصل في الأحكام من قبل الخبراء.
تُثبت هذه الورقة أن أدوات المراقبة الدستورية القائمة على النماذج اللغوية الكبيرة ذات الصندوق الأسود، والتي تم تحسينها باستخدام بيانات اصطناعية ناتجة عن مواصفات سلوكية بلغة طبيعية، يمكنها التعميم بفعالية للكشف عن المخططات في بيئات الوكلاء الواقعية، رغم أن أداءها يتشبع بسرعة مع عمليات مسح المطالبات البسيطة، مما لا يحقق أي مكاسب إضافية من التحسين المكثف.
تبحث هذه الورقة في طرق تعلم التعرف على الكيانات المسماة المتداخلة من التوسيمات المسطحة الوفيرة، حيث تُظهر أن نهجاً هجيناً يجمع بين تضمين السلاسل النصية، وإفساد الكيانات، وتحييد التوسيم المسطح، والضبط الدقيق للنماذج اللغوية الكبيرة، يمكنه استعادة 40% من فجوة الأداء مقارنة بالإشراف المتداخل الكامل على معيار NEREL الروسي.
تقدم الورقة البحثية MEDGPT-OSS، وهو نموذج رؤية ولغة مفتوح الأوزان بـ 20 مليار معلمة، والذي يسد فجوة النشر في الذكاء الاصطناقي السريري من خلال تفوقه على النماذج الطبية المفتوحة الأكبر حجماً في المهام المعقدة متعددة الوسائط والنصوص فقط، مع الحفاظ على بصمة كفؤة من حيث عدد المعلمات لتناسب الاستخدام المحلي الذي يحافظ على الخصوصية.
تقدم الورقة البحثية CHIMERA، وهي مجموعة بيانات اصطناعية مدمجة ومؤتمتة بالكامل تتكون من 9 آلاف عينة استدلال عالية الجودة ومتعددة المجالات، والتي تمكن نموذجاً صغيراً بحجم 4 مليارات معلمة من تحقيق أداء في الاستدلال يضاهي النماذج الرائدة الأكبر حجماً من خلال التغلب على تحديات البداية الباردة، وتغطية المجالات، وعقبة التوسيم.
تقدم هذه الورقة مساراً هجيناً يجمع بين الشبكات العصبية والنماذج اللغوية الكبيرة للتحليل الصرفي التلقائي للغة "جونغار توفان" المهددة بالانقراض، مما يثبت أن الجمع بين نموذج وسم المتواليات (BiLSTM-CRF) والتصحيح اللاحق بواسطة النماذج اللغوية الكبيرة يقلل بشكل كبير من عبء العمل في التوسيم، ويضع مبادئ تصميمية مثل تفوق أسلوب التلقين المعزز بالاسترجاع على الأساليب القائمة على القواميس بالنسبة للغات ذات الموارد المنخفضة والغنية صرفياً.
تُظهر هذه الورقة أن نماذج الرؤية واللغة الحالية تعاني من ضعف ملحوظ عند تحليل الأعمال الطلابية المكتوبة بخط اليد، لا سيال تحديد وتشخيص الأخطاء التي يرتكبها المتعلمون المتعثرون، مما يسلط الضوء على فجوة حرجة بين قدراتها في حل المشكلات والاحتياجات المحددة للتطبيقات التعليمية.