12323 ورقة بحثية
تقدم هذه الورقة KGHaluBench، وهو معيار مرجعي جديد قائم على الرسوم البيانية للمعرفة يقوم بتوليد أسئلة متعددة الأوجه ديناميكيًا ويستخدم مسار تحقق آلي لتقييم اتساع وعمق ومصداقية 25 نموذجًا من النماذج اللغوية الكبيرة الرائدة بشكل شامل، مما يوفر رؤى أعمق حول العوامل الدافعة للهلوسة.
تقترح هذه الورقة إطار عمل لدلالات دلالية (denotational semantics) يتيح كشف تعارض ثلاثي القيم سليم لسياسات ODRL عبر قواعد معرفية غير متجانسة من خلال رسم خرائط القيود لمفاهيم قواعد المعرفة، مع إثبات أن التعارضات تظل محفوظة تحت عملية المحاذاة مع التدهور التدريجي للقيم المجهولة، والتحقق من صحة النهج باستخدام 154 معياراً عبر تصنيفات ومجالات هيكلية متنوعة.
تقترح هذه الورقة ReAttn، وهي استراتيجية لاحقة (post-hoc) وخالية من التدريب، تعمل على تحسين إعادة الترتيب القائم على الانتباه عبر تطبيق أوزان IDF عبر المستندات لتقليل الانحياز المعجمي، والتنظيم القائم على الإنتروبيا للتخفيف من حدة تركيز الانتباه المفرط، مما يعزز تسجيل الصلة دون إشراف إضافي.
تجادل هذه الورقة بأن النموذج الحالي للمحاذاة العامة، الذي يعتمد على صيرورة القيم البشرية المتنوعة في قيم عددية (scalarizing)، قد وصل إلى حد هيكلي في الأنظمة الاجتماعية-التقنية المعقدة، وتقترح "المحاذاة الطرفية" (Edge Alignment) كإطار عمل متفوق يحافظ على هياكل القيم متعددة الأبعاد، ويدعم التمثيل التعددي، ويعامل المحاذاة كدورة حياة حوكمة ديناميكية بدلاً من كونها مهمة تحسين واحدة.
تتحدى هذه الدراسة الافتراض القائل بأن اللغة الإنجليزية هي اللغة المثلى للنماذج اللغوية الكبيرة من خلال إثبات أنه، بينما تتفوق هذه النماذج على المعايير البشرية بدرجة أقل عبر جميع اللغات المختبرة، فإنها غالباً ما تحقق دقة استيعاب أعلى في بعض اللغات الرومانسية مقارنة باللغة الإنجليزية نتيجة عوامل مثل التجزئة (tokenization)، وتكوين بيانات التدريب، والمسافة اللغوية.
تُعد AdaEvolve إطار عمل هرمي للتحسين التكيفي يستبدل الجداول الزمنية الثابتة بآليات ديناميكية مدفوعة بالنماذج اللغوية الكبيرة لتعديل الاستكشاف، وتوجيه الموارد، وتوليد تكتيكات مبتكرة، مما يؤدي إلى تفوق ملحوظ على النماذج المرجعية الحالية عبر مختلف مشكلات التحسين مفتوحة النهايات.
تقدم هذه الورقة FT-Topic، وهو نهج ضبط دقيق غير خاضع للإشراف يقوم تلقائياً ببناء مجموعات بيانات تدريبية من مجموعات الجمل لتعزيز نمذجة المواضيع القائمة على النماذج اللغوية الكبيرة، مبرهناً على فعاليته من خلال طريقة SenClu المبتكرة والأحدث في هذا المجال.
تقدم الورقة البحثية FLUKE، وهو إطار عمل مدفوع لغوياً ومستقل عن المهام يستخدم تنوعات محكومة عبر المستويات اللغوية لتقييم متانة النماذج، كاشفاً أن التعديلات الطبيعية السلسة والنفي يشكلان تحديات أكبر من الفساد على المستوى السطحي، وأن قدرات الاستدلال لا ترتبط بالضرورة بتحسن المتانة.
تقترح الورقة البحثية ConformalNL2LTL، وهي طريقة مبتكرة تترجم التعليمات باللغة الطبيعية إلى صيغ المنطق الزمني الخطي (LTL) مع ضمانات صحة محددة من قبل المستخدم عبر الحل التكراري لمشكلات الأسئلة والأجوبة ذات المفردات المفتوحة باستخدام النماذج اللغوية الكبيرة المعززة بالتنبؤ المطابق لتقليل تدخل المستخدم.
تقترح هذه الورقة نموذجاً تعليمياً مبتكراً يستفيد من تصنيف الأدلة والمبررات المستنتجة للنماذج اللغوية التوليدية لتدريب النماذج ذات المشفّر فقط، مما يحسن أداء التحقق من الحقائق بشكل كبير ويظهر متانة عبر مختلف الاستراتيجيات والمجالات.