12380 ورقة بحثية
تقدم هذه الورقة PII-Bench، وهو إطار تقييم شامل يضم 2,842 عينة عبر 55 فئة، لتقييم أنظمة حماية الخصوصية، وتكشف أنه في حين تكتشف النماذج الحالية معلومات الهوية الشخصية (PII) بشكل جيد، إلا أنها تعاني بشكل كبير في تحديد معلومات الهوية الشخصية ذات الصلة بالاستعلام، لا سيما في السيناريوهات المعقدة متعددة المواضيع.
تقدم هذه الورقة ToRR، وهو معيار شامل مصمم لتقيم قدرات الاستنتاج والمتانة لنماذج الذكاء الاصطناعي عبر تنسيقات ونطاقات جداول متنوعة، كاشفةً أن حتى النماذج القوية تظهر سلوكاً هشاً، ومسلطةً الضوء على الأهمية البالغة لاختبار تنسيقات ومطالبات متعددة لتقدير الأداء بشكل موثوق.
تقترح هذه الورقة إطار عمل للاستدلال المنطقي المعزز بالاسترجاع يقوم بتحديد والتحقق من المقدمات الخاطئة في استعلامات المستخدم بشكل استباقي قبل عملية التوليد، مما يقلل بفعالية من هلوسة النماذج اللغوية الكبيرة ويحسن الدقة الواقعية دون الحاجة إلى الوصول إلى لوجيت (logit) النموذج أو إجراء ضبط دقيق واسع النطاق.
تقدم الورقة البحثية mini-vec2vec، وهي طريقة تعتمد على التحويل الخطي وتتميز بكفاءة عالية ومتانة عالية، تعمل على محاذاة فضاءات تضمين النصوص دون الحاجة إلى بيانات متوازية، مما يوفر بديلاً قابلاً للتوسع يتفوق بشكل كبير على نموذج vec2vec الأصلي من حيث التكلفة الحسابية مع مضاهاة أو تجاوز جودة المحاذاة الخاصة به.
تقدم هذه الورقة البحثية حيز العمل الدلالي التوليدي (GSW)، وهو إطار عمل ذاكرة مستوحى من الخلايا العصبية يعزز قدرات النماذج اللغوية الكبيرة على الاستنتاج في السياقات الطويلة من خلال بناء تمثيلات سردية مهيكلة ومثبتة زمنياً ومكانياً للأحداث العرضية، مما يتفوق على نماذج استرجاع المعلومات المعزز (RAG) الحالية بنسبة تصل إلى 20% في اختبار الذاكرة العرضية مع تقليل تكاليف الاستدلال بشكل كبير.
تقدم الورقة البحثية "سلسلة الملخصات" (CoS)، وهي طريقة جدلية تعمل على تنقيح الملخصات الأولية بشكل تكراري من خلال التساؤل لإنشاء مستودعات نصية بسيطة وكثيفة المعلومات تتفوق بشكل كبير على النماذج المرجعية الحالية في مهام الإجابة عن الأسئلة اللاحقة، مع تقليل استخدام الرموز (tokens) وتعزيز قدرة النماذج اللغوية الكبيرة على الوصول إلى محتوى الويب.
تقدم هذه الورقة معيار SUSEVIBES لتوضيح أن وكلاء "برمجة الأجواء" (vibe coding) الحاليين القائمين على النماذج اللغوية الكبيرة، رغم كونهم صحيحين وظيفياً في كثير من الأحيان، يولّدون أكواداً غير آمنة للغاية في مهام هندسة البرمجيات الواقعية، مع عدم فعالية استراتيجيات التخفيف الأولية.
تتناول هذه الورقة القيود المعمارية للنماذج اللغوية الكبيرة أحادية الاتجاه القائمة على فك التشفير فقط، وتحيز مقاييس Micro-F1 في اكتشاف الأحداث، وذلك من خلال إثبات أن دمج سياق الجملة وتطبيق التكيف منخفض الرتبة (LoRA) يحسن بشكل كبير أداء Macro-F1، لا سيما للفئات الحدثية ذات التوزيع الطويل (long-tailed).
تقدم هذه الورقة ErrorMap، وهي طريقة مبتكرة لتشخيص الأسباب الجذرية المحددة لإخفاقات النماذج اللغوية الكبيرة، وErrorAtlas، وهو تصنيف شامل مستمد من تحليل 83 نموذجاً عبر 35 مجموعة بيانات، بهدف نقل تركيز التقييم من مجرد مقاييس النجاح إلى فهم أعمق لأسباب فشل النماذج.
تكشف هذه الورقة أنه بينما تخفق النماذج اللغوية الكبيرة غالباً في مقارنة الأعداد لفظياً في التدوينات المختلطة، فإن حالاتها الخفية تشفر في الواقع مقادير وتراتبية عددية دقيقة، وأن الاستفادة من هذه المعرفة الداخلية من خلال أهداف تدريب مساعدة يمكن أن يحسن بشكل كبير من أداء استدلالها العددي الصريح.