11158 ورقة بحثية
تقدم هذه الورقة البحثية "إلغاء التعلم المفاهيمي الواعي بالعدالة" (FACU)، وهو أسلوب على مستوى النموذج يقلل بفعالية من التحيز الجنساني الجوهري في النماذج اللغوية الكبيرة، ويؤدي إلى تحسينات ذات دلالة إحصائية في العدالة اللاحقة عبر مختلف مهام التصنيف الاجتماعي والاقتصادي دون المساس بالأداء التنبؤي.
تقدم هذه الورقة البحثية AfriNLLB، وهي سلسلة من نماذج الترجمة خفيفة الوزن والفعالة لـ 15 زوجًا من اللغات الأفريقية، والتي تحقق أداءً يضاهي النماذج المرجعية الأكبر من خلال التقليم التكراري للطبقات، والكمية، وتقطير المعرفة، مع إطلاق النماذج وبيانات التدريب المنسقة لدعم النشر في البيئات محدودة الموارد ومزيد من الأبحاث.
من خلال تحليل أكثر من 260,000 تغريدة تتعلق بكوفيد-19، تكشف هذه الدراسة أن المستخدمين المعارضين للمعلومات المضللة هم عادةً أكثر رسوخاً ويعبرون عن مستويات أعلى من المشاعر السلبية مثل الغضب والاشمئزاز، مما يتحدى الافتراض بأن السلبية هي سمة أساسية للأكاذيب.
يعمل نظام Pulsar Attention على تحسين طرق الاستدلال الموزع مثل Star Attention من خلال استبدال المرتكزات الثابتة والمغيبة عن المحتوى بمكونات خفيفة الوزن ومدركة للمحتوى —وهي بادئة مستقرة لامتصاص الانتباه وملخصات عبر الكتل تعتمد على معيار Max-IDF— مما يقلل بشكل كبير من التكاليف الحسابية مع الحفاظ على أداء الانتباه الكثيف أو تجاوزه في التسلسلات الطويلة التي تصل إلى 128 ألف توكن.
تُعد OpenForgeRL إطار عمل مفتوح المصدر يُمكّن من التدريب الشامل لوكلاء الذكاء الاصطناعي الأصليين في بيئات متنوعة عبر فصل الاستدلال عن التدريب بواسطة وسيط خفيف الوزن ومنسق كوبرنيتيس (Kubernetes)، محققاً أداءً هو الأفضل في فئته على معايير الأدوات وواجهات المستخدم الرسومية المعقدة، مع توفير رؤى حول كيفية تشكيل خيارات الهيكل (harness) والتعلم التعزيزي لسلوك الوكيل.
يقدم GEB-Bench معياراً مرجعياً جديداً يقيم قدرة نماذج الذكاء الاصطناعي على التعرف على الزخارف الهيكلية المجردة ورسم خرائطها عبر وسائط متنوعة، مما يكشف عن فجوة ثابتة ومنتظمة بين التعرف أحادي الصوت والتجريد عابر الأصوات، وهي فجوة تستمر حتى في النماذج الرائدة.
تقدم الورقة البحثية TEXAS، وهي طريقة تكييف مبتكرة لنماذج لغة "خليط الخبراء" (Mixture-of-Experts) تعمل على تحديد الخبراء ذوي الصلة بالمهمة من خلال مقارنة تنشيطاتهم في الحالات الناجحة مقابل الحالات الفاشلة، وتستفيد من هذا الاكتشاف لزيادة وزن الإشراف ديناميكيًا على رموز الإجابة أثناء الضبط الدقيق، مما يحقق أداءً رائدًا عبر معايير متعددة دون تقييد مجموعات الخبراء الفرعية.
تقدم هذه الورقة سلماً تشخيصياً متوافقاً مع عملية التوليد لفك الارتباط بين قيود الأداء في نماذج اللغة الكلامية إلى فجوات متميزة ناتجة عن عدم توافق قواعد القرار وقيود تغطية القراءة، مما يكشف أنه بينما تتوفر المعلومات العاطفية غالباً في الحالات الخفية، فإن النماذج تفشل في كثير من الأحيان في استخدامها بفعالية بسبب آليات فك التشفير والقراءة غير المثالية.
تقدم الورقة البحثية نموذج SIEDD، وهو نموذج انتشار منفصل متعدد الرموز (multi-codec discrete diffusion model) يستفيد من التوليد الهرمي للرموز والاشتراط الموجه بالنص لتحقيق أداء رائد في عمليات ترميم وتحرير الكلام مع الحفاظ على هوية المتحدث والنبرة.
تُثبت هذه الورقة أنه بينما لا يمكن استرداد مؤشرات طبقات "ترانسفورمر" (transformer) محددة بشكل فريد من ملفات أخطاء تسمية الصور لدى المصابين بالحبسة الكلامية بسبب الفائض الوظيفي، إلا أنه يمكن عكس معاملات شدة الاضطراب والضجيج بنجاح لإنشاء نماذج مضادة للواقع تعيد إنتاج السلوكيات المستهدفة وتميز بين المتلازمات السريرية، مما يقدم إطاراً قوياً لقابلية التفسير السببي للنماذج اللغوية الكبيرة (LLM).