12323 ورقة بحثية
من خلال تحليل ٣٦٩,٨٣٧ استعلاماً من واقع العالم الحقيقي عبر متجه سمات لغوية ذي ٢٢ بُعداً، تُثبت هذه الدراسة أن خصائص معينة في الاستعلامات التي تسبب حيرة البشر، مثل التعشيق العميق للجمل والغموض وعدم التحديد، تزيد بشكل كبير من احتمالية حدوث الهلوسة في النماذج اللغوية الكبيرة، مما يؤسس إطاراً قائماً على البيانات للحد من هذه المخاطر من خلال إعادة صياغة الاستعلامات الموجهة.
تقدم الورقة البحثية RARE-PHENIX، وهو إطار عمل للذكاء الاصطناًعي متكامل من طرف إلى طرف يدمج النماذج اللغوية الكبيرة لاستخراج وتوحيد وترتيب مصطلحات "أونتولوجيا المظاهر البشرية" (Human Phenotype Ontology) من الملاحظات السريرية، مما يظهر أداءً فائقاً على النماذج المرجعية الحالية في دعم تشخيص الأمراض النادرة عبر مجموعات بيانات متعددة المواقع.
تقدم الورقة البحثية QueryBandits، وهو إطار عمل لـ "المناديب السياقية" (contextual bandit) غير مرتبط بنموذج محدد، يقوم باختيار استراتيجيات إعادة صياغة الاستعلام المثلى بشكل تكيفي للتخفيف من حدة الهلوسة في النماذج اللغوية الكبيرة مغلقة المصدر، مما يثبت أن السياسات الديناميكية عبر الإنترنت تتفوق بشكل كبير على أساليب إعادة الصياغة الثابتة والأساس المرجعي الذي لا يتضمن إعادة صياغة دون الحاجة إلى إعادة تدريب النموذج.
تقيم هذه الورقة نماذج "ناييف بايز" (Naive Bayes)، و"بي إل إس تي إم" (BiLSTM)، و"بيرت" (BERT) لتصنيف المستندات غير المتوازنة، وتخلص إلى أنه بينما يقدم نموذج "بيرت" أعلى دقة، فإن نموذج "بي إل إس تي إم" يوفر الحل الأكثر توازناً من خلال الجمع بين الأداء العالي والتكاليف الحسابية المتوسطة للأتمتة في العالم الحقيقي.
بتحدي الرؤية القائلة بأن أنظمة الأعداد العودية الدقيقة مثالية تواصلياً، تحلل هذه الدراسة ٥٢ لغة متنوعة باستخدام مقياس تعقيد منقح لتثبت أن العديد من الأنظمة أقل كفاءة بشكل ملحوظ مما كان يُعتقد سابقاً بسبب التباينات الصرفية والنحوية التي لم تؤخذ في الحسبان.
تستقصي هذه الورقة البحثية بشكل منهجي العلاقة بين هندسة مصفوفة فك التضمين (unembedding matrix) في نماذج المحولات (Transformer) وأداء النماذج اللغوية عبر 108 نماذج خاضعة للضبط، وتخلص إلى أن المقاييس الهندسية مثل الرتبة الفعالة (effective rank) تعكس في المقام الأول المعلمات الفائقة للتدريب بدلاً من كونها مؤشرات موثوقة للأداء في المهام اللاحقة.
تقدم هذه الورقة تصنيف "منفعة النموذج اللغوي" (LUX)، وهو إطار عمل شامل منظم ضمن مجالات الأداء، والتفاعل، والعمليات، والحوكمة، لتوحيد معايير تقييم منفعة النماذج اللغوية الكبيرة في التطبيقات الواقعية عالية المخاطر بما يتجاوز مجرد النجاح على مستوى المهام.
تقترح الورقة البحثية إطار عمل MIMIC، الذي يستفيد من نماذج الرؤية واللغة لتوليد "الحديث الداخلي" كتمثيل لغوي للنية السلوكية، مما يمكّن سياسة قائمة على الانتشار من تحقيق سلوكيات متنوعة وعالية الدقة تشبه سلوك البشر مع إمكانية توجيه دقيقة في وقت الاستنتاج دون الحاجة إلى بيانات تدريب إضافية.
يعزز نموذج انتشار اللغة "توقف-فكر-تراجع ذاتي" (STAR-LDM) توليد اللغة من خلال دمج مرحلة "تفكير" قائمة على الانتشار الكامن للتخطيط الدلالي العالمي قبل التوليد الذاتي الارتجاعي للرموز، مما يؤدي إلى أداء متفوق في الاستنتاج والتماسك وتوجيه السمات القابلة للتحكم مقارنة بالنماذج التقليدية.
تقدم الورقة البحثية ACTOR-CURATOR، وهو إطار عمل للتعلم المنهجي قابل للتوسع والأتمتة يستخدم قيمًا (curator) عصبية مدربة عبر خوارزميات "بانديت" لتحسين السياسات لاختيار مشكلات التدريب ديناميكيًا لعمليات ما بعد التدريب بالتعلم التعزيزي للنماذج اللغوية الكبيرة، محققًا تحسينات ملحوظة في معايير الاستدلال، واستقرار التدريب، والكفاءة مقارنة بالنماذج المرجعية الحالية.