12380 ورقة بحثية
يُعد TOPol إطار عمل شبه مُشرف يستخدم تضمينات المحولات (transformer embeddings)، وإسقاط UMAP، وتقسيم Leiden لإعادة بناء وتفسير حقول القطبية الدلالية متعددة الأبعاد، مما يسمح بالكشف عن التحولات الخطابية دقيقة التفاصيل وشرحها بين الحدود السياقية المحددة بشرياً.
تقترح هذه الورقة البحثية **Text2SQL-Flow**، وهو إطار عمل لتعزيز البيانات يعتمد على الوعي بـ SQL، يقوم بتوليد مجموعة بيانات ضخمة وعالية الجودة تسمى **SQLFlow** لتعزيز أداء الضبط الدقيق للنماذج اللغوية الكبيرة مفتوحة المصدر، ودقة الاسترجاد للنماذج اللغوية الكبيرة مغلقة المصدر لمهام تحويل النص إلى SQL.
تقترح الورقة البحثية منهجية "التعلم للنظر إلى الأمام" (LTLA)، وهي طريقة هجينة تجمع بين نموذج ماركوف الخفي (HMM) مشترك وقابل للحل مع التضمينات العصبية لتوجيه النماذج اللغوية ذات التوليد الذاتي بكفاءة نحو قيود محددة (مثل القواعد النحوية أو السلامة) دون التكلفة الحسابية العالية لإعادة التقييم لكامل المفردات.
تقدم الورقة البحثية MEGConformer، وهي بنية مدمجة قائمة على نموذج Conformer تحقق أداءً هو الأفضل في فئته (state-of-the-art) على معيار LibriBrain 2025 للكشف عن الكلام وتصنيف الفونيمات من خلال تقنيات متخصصة في التعزيز والتطبيع والوزن.
تتقصى هذه الورقة فرضية "هيمنة السياق القصير" —وهي النتيجة التي تشير إلى أن معظم المتواليات يمكن التنبؤ بها باستخدام بادئة محلية صغيرة فقط— وتقترح مقياساً جديداً (DaMCL) للكشف عن التبعيات طويلة السياق وخوارزمية فك تشفير لتعزيز المعلومات بعيدة المدى في مخرجات النماذج اللغوية الكبيرة.
تثبت الورقة البحثية أن عملية فك الترميز ذاتية الانحدار للنماذج اللغوية قادرة بطبيعتها على الحوسبة الشاملة، مما يشير إلى أن التدريب لا يخلق قدرة حوسبية بل يحسن "القابلية للبرمجة" المطلوبة للوصول إلى هذه القدرات الموجودة مسبقاً من خلال اللغة الطبيعية.
تقارن هذه الدراسة بين التقنيات البلاغية المستخدمة في عمليات التحقق من الحقائق التي يكتبها المجتمع مقابل تلك التي يكتبها المحترفون، وتجد أن الملاحظات التي ينتجها المجتمع لا تعتمد على الإقناع بشكل أكبر من الملاحظات الاحترافية، وأنه بينما يمكن لبعض العناصر الإقناعية أن تزيد من تقييمات الفائدة، فإن المقيمين من الجمهور قادرون على معاقبة اللغة الإشكالية.
تقيم هذه الورقة الانتقال من خوارزمية HDBSCAN الموجهة بالدفعات إلى خوارزميات التجميع القائمة على الكثافة عبر الإنترنت لتحسين قابلية التوسع والقدرة على التكيف في الوقت الفعلي لأنظمة مراقبة السرد الآلية التي تعالج تدفقات بيانات وسائل التواصل الاجتماعي واسعة النطاق.
لمعالجة مسألة التداخل عبر المجالات في التعلم المعزز متعدد المهام، تقدم هذه الورقة البحثية **جراحة التدرج النمطية (MGS)**، وهي طريقة تعالج صراعات التدرج على مستوى وحدة المحول (transformer) لتحسين أداء نماذج الاستدلال الكبيرة العامة بشكل كبير عبر مجالات متنوعة.
تقترح هذه الورقة **RACO**، وهو إطار عمل للمحاذاة خالي من المكافآت يحل صراعات التدرج في تدريب النماذج اللغوية الكبيرة متعددة الأهداف باستخدام طريقة مبتكرة لخفض التدرج المتجنب للصراع، مما يحقق مقايضات باريتو متفوقة في مهام مثل التلخيص والسلامة دون الحاجة إلى نماذج مكافأة صريحة.