11070 ورقة بحثية
تستعرض هذه الدراسة المسحية 46 ورقة بحثية حول معالجة اللغات الطبيعية في أقسام الطوارئ، حيث تُحلل الأساليب والتوجهات عبر مراحل الفرز، والتشخيص، والخروج، مع تسليط الضوء على التحديات القائمة مثل القدرة على التعميم، والبيانات المشوشة، وقيود سير العمل.
تقدم هذه الورقة أول تدقيق كمي على مستوى المشهد لسيرة ذاتية من إنتاج النماذج اللغوية الكبيرة مقابل سجل حقيقي، كاشفةً عن معدل فشل في التحقق بنسبة 96.7% يهيمن عليه "الانجراف المرتكز" (مشاهد مخترعة تستخدم أشخاصاً وأماكن حقيقيين)، ومثبتةً أنه بينما يؤدي ترسيخ التوليد في المتن الفعلي للموضوع إلى تحسين الدقة، إلا أن الهلوسة الجوهرية لا تزال قائمة.
تستخدم هذه الدراسة التضمينات السياقية من نماذج "بيرت" (BERT) متعددة لتقديم دليل حوسبي على أن الأفعال المساعدة (light verbs) في اللغة الأردية تتمايز بشكل منهجي عن نظيراتها من الأفعال الرئيسية في بنية الحدث، مع الحفاظ على الارتباط المعجمي الخاص بالكلمة الأصلية (lemma)، بما يتوافق مع التحليل النظري لـ "بوت" (Butt).
تقترح هذه الورقة إطار عمل للتدخل الموجه أثناء الاستدلال، يعمل على توجيه رؤوس انتباه محددة ديناميكيًا للحد بشكل مشترك من الهلوسة والمداهنة في الإجابة على الأسئلة الطبية، مما يثبت أن التعديلات المستهدفة والواعية بالسياق يمكن أن تحسن بشكل كبير من متانة النماذج الأصغر ضد ضغط المستخدم دون تقليل أدائها في الاستجابات الصحيحة.
تقترح هذه الورقة طريقة لطي مسارات تنفيذ وكلاء النماذج اللغوية الكبيرة إلى آلات حالات محدودة مدمجة وغير مرتبطة بنموذج معين، تلتقط بفعالية الطوبولوجيا السلوكية المشتركة، مما يتيح تنبؤاً فائقاً بالخطوة التالية وكشفاً مبكراً للفشل لأغراض تدقيق السلامة والمراقبة أثناء التشغيل.
تقترح الورقة البحثية "تطور البيانات الوكيل" (Agentic Data Evolution - ADE)، وهو إطار عمل متمحور حول البيانات يستخدم إجراءً مغلق الحلقة يتكون من الملاحظة-التنوع-الاختيار مع آلية قبول في حالة مستقرة لتحسين البيانات الاصطناعية بشكل تكراري، مما يحسن بشكل كبير من محاذاة النماذج اللغوية الكبيرة مع الأهداف غير القابلة للتنفيذ والمتمحورة حول الإنسان عبر مختلف المعايير وطرق ما بعد التدريب.
تقدم هذه الورقة البحثية طريقة "التقليم المحافظ على المعايرة" (CPP)، وهي طريقة تعزز ضغط النماذج من خلال دمج بروز تدرج عدم المطابقة لتقليل أحجام مجموعات التنبؤ في التنبؤ المطابق، مع الحفاظ على ضمانات التغطية ذات العينات المحدودة، مما يظهر مكاسب كفاءة كبيرة في مهام التصنيف ذات الملصقات الكبيرة دون المساس بالموثوقية.
تقدم الورقة البحثية Giga-Embeddings، وهي عائلة من نماذج تضمين النصوص التي تتميز بمُشفّر "خليط من الخبراء" (Mixture-of-Experts) متفرق يضم 10 مليارات معلمة، والذي يحقق جودة استرجاع رائدة وإنتاجية عالية عبر لغات متعددة، إلى جانب متغيرات كثيفة ومقطرة أصغر مُحسّنة للبيئات ذات الموارد المحدودة.
تتقصى هذه الورقة البحثية ثبات الاستدلال عبر اللغات في النماذج اللغوية الكبيرة متعددة اللغات من خلال تقديم المشفرات التلقائية المتناثرة ثابتة الهندسة (GI-SAE) لتحديد الميزات المشتركة عبر اللغات، كاشفةً أنه بينما يمكن لهذه النماذج تعلم تمثيلات ثابتة لغوياً، فإن قابليتها للتبادل الوظيفي والطبقات المحددة التي تظهر فيها تختلف بشكل كبير اعتماداً على بنية النموذج.
تقدم هذه الورقة إطار عمل يعتمد على "المتعدد الأذرع" (multi-armed bandit) ومراعٍ للتكلفة، يقوم باختيار استراتيجيات التلقين المثلى للتصحيح الآلي للمقالات بشكل تكيفي، محققاً دقة تضاهي البحث الشبكي الشامل مع تقليل استدعاءات النماذج اللغوية الكبيرة بنسبة 78.4%، ومؤسساً أول منحنيات تعلم للتكلفة والموثوقية في هذا المجال.