12321 ورقة بحثية
تقدم هذه الورقة FLIP، وهو نهج لنمذجة المكافأة بدون مرجع يستفيد من الاستدلال العكسي لإعادة بناء التعليمات من الاستجابات، مما يظهر أداءً متفوقًا على النماذج المرجعية القائمة على النموذج اللغوي الكبير كحَكَم (LLM-as-a-Judge)، ويعزز بشكل كبير المهام اللاحقة باستخدام النماذج اللغوية الصغيرة.
SELAUR هو إطار عمل للتعلم التعزيزي يعزز اتخاذ القرار متعدد الخطوات في وكلاء النماذج اللغوية الكبيرة (LLM agents) من خلال دمج مقاييس عدم اليقين الجوهري في تصميم المكافأة لتحسين كفاءة الاستكشاف واستقرار التعلم، مما يؤدي إلى معدلات نجاح أعلى في اختبارات القياس مثل ALFWorld وWebShop.
تقترح هذه الورقة البحثية "المحاذاة المتفرقة عند وقت الاستدلال" (SIA)، وهي طريقة تعمل على تحسين كفاءة المحاذاة وجودة التوليد من خلال التدخل فقط عند نقاط القرار ذات الإنتروبيا العالية بدلاً من كل رمز، مما يحقق نتائج متفوقة بتكلفة حوسبية أقل بمقدار يصل إلى 6 أضعاف.
تقترح هذه الورقة "الذكاء الاصطناعي اللساني الاجتماعي التطبيقي من أجل التنمية المجتمعية" (ASA-CD) كنموذج علمي جديد يستخدم المؤشرات الحيوية اللغوية، ومعالجة اللغات الطبيعية المتوافقة مع التنمية، وبروتوكول تدخل موحد لتوظيف الذكاء الاصطناعي في تمكين مجتمعي قائم على أسس لسانية وقابل للتوسع.
تقدم الورقة البحثية EPSVec، وهو إطار عمل يعتمد على الخصوصية التفاضلية يقوم بتوليد بيانات اصطناعية عالية الجودة بكفاءة من خلال استخراج وتطهير ناقلات مجموعة البيانات لتوجيه النماذج اللغوية الكبيرة، مما يؤدي إلى فصل تكاليف الخصوصية عن حجم التوليد والتفوق على الأساليب الحالية في أنظمة البيانات المنخفضة مع تقليل العبء الحسابي بشكل كبير.
تقترح الورقة البحثية "تجميع السياق الكامن" (Latent Context Compilation)، وهو إطار عمل يعمل على تقطير السياقات الطويلة إلى رموز مخزن مؤقت مدمجة وغير متغيرة الحالة باستخدام وحدة "LoRA" قابلة للتخلص واستراتيجية تحسين ذاتية المحاذاة، مما يتيح معالجة فعالة وسهلة الاستخدام للسياقات الطويلة مع النماذج اللغوية الكبيرة المجمدة دون الحاجة إلى بيانات اصطناعية أو تعديلات في الأوزان.
تقترح هذه الورقة إطار عمل جديدًا لتكوين محولات LoRA الديناميكية يستفيد من استرجاع التشابه في قواعد بيانات المتجهات لدمج محولات متعددة متخصصة بناءً على تشابه المهام، مما يحقق تعميماً صفري المعرفة ويتفوق على النماذج المرجعية أحادية المهمة دون الحاجة إلى تدريب إضافي للمسترجع.
تقدم هذه الورقة "IslamicLegalBench"، وهو أول معيار لتقييم النماذج اللغوية الكبيرة في الاستدلال القانوني الإسلامي عبر 1200 عام من التقاليد التعددية، كاشفةً أن النماذج الحالية تعاني من فجوات معرفية كبيرة، ومعدلات عالية من الهلوسة، وتملق خطير لا يمكن لهندسة الأوامر معالجته بشكل كافٍ.
تقدم هذه الورقة ACAR، وهو إطار عمل للقياس يقوم بتوجيه المهام عبر مجموعات متعددة النماذج باستخدام تباين الاتساق الذاتي لتحقيق دقة تتجاوز النماذج المرجعية ثنائية النماذج مع تجنب التجميع الكامل في أكثر من نصف المهام، إلى جانب توثيق القيود الحرجة المتعلقة بالتعزيز الاسترجاعي، وأنماط فشل "الاتفاق على الخطأ"، وعدم كفاية الإشارات الوكيلة للنسب.
تقدم هذه الورقة لغة SPL (لغة التلقين المهيكلة)، وهي إطار عمل تصريحي مستوحى من لغة SQL، يعمل على تحسين التفاعلات مع النماذج اللغوية الكبيرة من خلال الميزانية الصريحة للرموز (tokens)، والتحسين التلقائي للاستعلامات، والتنسيق الوكيل المرن، مما يقلل بشكل كبير من الحشو في التلقينات ويمكّن التنفيذ عالي التكلفة والقابلية للتوسع عبر مختلف الأجهزة ومزودي النماذج.