12323 ورقة بحثية
تُقدم واجهة PaperTrail آلية ربط دقيقة بين الادعاء والأدلة لتحسين إمكانية تتبع المصدر في أنظمة الإجابة على الأسئلة الأكاديمية القائمة على النماذج اللغوية الكبيرة، إلا أن دراسة مستخدمين كشفت أنه بينما نجحت الواجهة في خفض ثقة الباحثين من خلال كشف الادعاءات غير المدعومة، إلا أنها فشلت في تغيير اعتمادهم على النظام بسبب التكلفة المعرفية العالية لعملية التحقق.
تقدم هذه الورقة وتتحقق من صحة مخطط جديد، قائم على خبرات الخبراء، لتقييم أخطاء النماذج اللغوية الكبيرة في أنظمة الإجابة على الأسئلة الأكاديمية، والذي تم تطويره من خلال التحليل الموضوعي لـ 68 زوجاً من الأسئلة والأجوبة وتم تنقيحه مع علماء متخصصين لالتقاط استراتيجيات التقييم الدقيقة التي تغفلها المقاييس الآلية الحالية.
تقترح هذه الدراسة إطار عمل هجينًا قابلًا للتوسع يستفيد من النماذج اللغوية الكبيرة لتحديد الجوانب ومن تعلم الآلة التقليدي لتصنيف المشاعر لتحليل ملايين مراجعات العملاء بفعالية، مما يثبت أن هذا النهج يمكنه تفسير التباين في تقييمات المطاعم الإجمالية بشكل كبير عبر سياقات متنوعة.
تقدم الورقة البحثية DEEPSYNTH، وهو معيار مرجعي جديد وتحدٍ يتكون من 120 مهمة من واقع العالم عبر 7 مجالات، يقيم قدرة الوكلاء القائمين على النماذج اللغوية الكبيرة على تركيب المعلومات واستنتاج الرؤى، مما يكشف عن قصور كبير حالي في القدرة على الاستنتاج والتحكم في الهلوسة.
يُعد PVminer إطار عمل لمعالجة اللغات الطبيعية متخصصًا في مجال معين، حيث يستفيد من نماذج BERT المُكيَّفة للمرضى ونمذجة المواضيع غير الخاضعة للإشراف للكشف بكفاءة عن صوت المريض وهيكلته، بما في ذلك المحددات الاجتماعية للصحة، ضمن الاتصالات الآمنة بين المريض ومقدم الرعاية، محققًا أداءً فائقًا على النماذج السريرية المرجعية الحالية.
تقدم هذه الورقة "التخطيط التأملي أثناء وقت الاختبار" (Reflective Test-Time Planning)، وهو إطار عمل يعزز النماذج اللغوية الكبيرة المتجسدة من خلال دمج "التأمل أثناء الفعل"، و"التأمل في الفعل"، و"التأمل الاسترجاعي" لتحويل التجربة والخطأ المتكررة إلى خبرة تراكمية، مما يؤدي إلى تحسين أداء المهام طويلة المدى وتصحيح السلوك بشكل كبير.
تُعدُّ مجموعة نصوص بوتسدام لتتبع حركة العين (PoTeC) مجموعة بيانات ألمانية جديدة ومفتوحة الوصول لتتبع حركة العين، تضم 75 مشاركاً (من الخبراء والمتخصصين وغير المتخصصين) يقرؤون 12 نصاً علمياً وفق تصميم عاملي كامل التداخل، مصحوبة بتقييمات للفهم، وتوسيمات لغوية، وكود معالجة مسبقة كامل لتسهيل دراسة استراتيجيات القراءة لدى الخبراء مقابل غير الخبراء.
تقدم هذه الورقة MathScape، وهو معيار مرجعي جديد يضم 1,369 مسألة رياضية من واقع الحياة مع صور ملتقطة بشرياً لتقييم النماذج اللغوية الكبيرة متعددة الوسائط، كاشفةً أن حتى النماذج المتطورة تعاني في السيناريوهات الواقعية ومسلطةً الضوء على محدودية الاعتماد فقط على مجموعات البيانات الاصطناعية لتقييم الاستدلال الرياضي.
تُظهر هذه الورقة أن تعزيز وكيل الذكاء الاصطناعي الخارق CICERO لتقديم نصائح مخصصة بشأن التحركات والرسائل في لعبة الدبلوماسية يساعد اللاعبين المبتدئين بشكل كبير على منافسة اللاعبين ذوي الخبرة أو حتى التفوق عليهم، مع كون مجرد وجود مثل هذه النصائح يوفر مزايا استراتيجية بغض النظر عما إذا تم اتباعها أم لا.
تقدم هذه الورقة البحثية "المدرك الفعال لنشر السياق" (ECP)، وهو بنية مبتكرة تُحسّن نموذج PerceiverAR من خلال الاستفادة من كل من تسلسلات السياق والتسلسلات الكامنة بكفاءة تضاهي مستوى LongLoRA لتحقيق أداء فائق في مهام نمذجة اللغة ذات التسلسلات الطويلة.