12380 ورقة بحثية
تقدم هذه الورقة StagePilot، وهو وكيل تعلم تعزيزي عميق غير متصل (offline) يحاكي التدرج المرحلي للاستدراج الإلكتركي لأغراض الوقاية التعليمية، مُظهرًا من خلال تقييمات قائمة على النماذج اللغوية الكبيرة أن تكوين IQL+AWAC الخاص به يوازن بفعالية بين التقدم في الأهداف الاستراتيجية والتماسك العاطفي لتوليد حوارات تدريبية واقعية.
تقدم هذه الورقة Locas، وهو نوع جديد من الذاكرة البارامترية المدعومة محلياً يجسّر الفجوة بين التدريب أثناء الاختبار والتعلم المستمر من خلال السماح بالتفريغ المرن أو التكامل الدائم في معلمات النموذج، حيث يضمن التهيئة المبدئية القائمة على أسس سليمة سرعة التقارب، والاحتفاظ الفعال بالمعرفة، وتقليل النسيان الكارثي بأقل قدر من المعلمات الإضافية.
تتقصى هذه الدراسة عدم التوافق بين سلوكيات الاستشهاد لدى النماذج اللغوية الكبيرة وتفضيلات البشر من خلال بناء مجموعة بيانات دقيقة تكشف عن إفراط النماذج في الاستشهاد بعلامات المصدر الصريحة مقابل نقص استشهادها بالكيانات الرقمية والمسماة، وتُبين أن تحسين التفضيل المباشر يمكن أن يعاير هذا السلوك بفعالية ليتطابق بشكل أفضل مع التوقعات البشرية.
تُحدد هذه الدراسة كمياً مدى التقارب المعرفي دقيق التفاصيل بين الأوساط الأكاديمية والصناعية من خلال تحليل تداخل الكيانات والتقارب الدلالي عبر تقنيات التعلم الآلي المتقدمة، مما يكشف عن اتجاه متصاعد في التكيف ثنائي الاتجاه وضعف هيمنة الأكاديميا المعرفية خلال التحولات في النماذج التكنولوجية.
تقدم الورقة البحثية CoPE، وهي طريقة تبسيطية تطبق التقطيع الناعم (soft clipping) على المكونات منخفضة التردد لتمثيلات الموضع الدورانية (RoPE) لتوحيد التخفيف من آثار البيانات خارج النطاق (out-of-distribution) والنمذجة الدلالية، مما يحقق أداءً فائقاً في تعميم الطول للنماذج اللغوية الكبيرة يصل إلى طول سياق يبلغ 256 ألف توكن.
تقدم هذه الورقة البحثية خوارزمية "تحسين سياسة التسلسل غير المنحاز للطول" (LUSPO)، وهي خوارزمية جديدة تُحلل وتُصحح نظرياً انحياز الطول في "تحسين سياسة تسلسل المجموعة" (GSPO) لمنع انهيار طول الاستجابة، مما يحقق أداءً هو الأفضل من نوعه في مهام الاستدلال الرياضي ومتعدد الوسائط.
تقدم هذه الورقة البحثية تدفق البوابة الهجين (HGF)، وهو بنية ثنائية المسار تجمع بين عمود فقري ثلاثي بنظام 1.58 بت مع مسار تصحيح منخفض الرتبة قابل للتعلم لاستعادة جودة النماذج اللغوية الكبيرة المنشورة على الحواف بشكل كبير، مع الحفاظ على استقرار التدريب وتحمل حد أدنى فقط من عبء الذاكرة الإضافي.
تثبت هذه الدراسة تجريبياً أن النماذج اللغوية الكبيرة تظهر فجوة أداء مستمرة ومعتمدة على التعقيد بين اللغتين الإنجليزية والعربية في المهام الطبية، مدفوعة بمشكلات هيكلية في التجزئة (tokenization) ومقاييس ثقة غير موثوقة، مما يسلط الض الضوء على الحاجة الملحة لاستراتيجيات تصميم وتقييم تراعي الخصائص اللغوية.
تقدم الورقة البحثية طريقة GETR، وهي طريقة مبتكرة لتمثيل الرموز المعززة بالرسوم البيانية (Graph-Enhanced Token Representation) تستفيد من الشبكات العصبية الرسومية لتتفوق بشكل كبير على النماذج المرجعية الحالية في نقل المعرفة عبر اللغات لمهام مستوى الجملة ومستوى الكلمة في اللغات ذات الموارد الشحيحة للغاية، محققة مكاسب أداء جوهرية في وسم أجزاء الكلام، وتصنيف المشاعر، والتعرف على الكيانات المسماة.
تكشف هذه المراجعة المنهجية والتحليل التلوي لـ 15 دراسة (2023–2024) أن روبوتات الدردشة المدعومة بالذكاء الاصطناعي التي تستخدم نماذج لغوية كبيرة تُعتبر أكثر تعاطفاً بشكل ملحوظ من المتخصصين في الرعاية الصحية البشر في التفاعلات القائمة على النصوص، رغم أن النتائج محدودة بسبب غياب الإشارات غير اللفظية والاعتماد على المقيمين بالنيابة.