12380 ورقة بحثية
تقترح الورقة البحثية إطار عمل RIDE، وهو إطار تنافسي يستفيد من نظرية الاستجابة للمفردة والتعلم التعزيزي لتوليد مسائل رياضية جيدة الصياغة ومتدرجة الصعوبة بشكل منهجي، مما يكشف بفعالية عن محدودية متانة النماذج اللغوية الكبيرة في التفكير الحقيقي من خلال انخفاض ملحوظ في الأداء.
تقدم IterResearch نموذج بحث عميق تكراري يعتمد على توسيع نطاق التفاعل وإعادة بناء مساحة العمل المستوحاة من عمليات ماركوف لاتخاذ القرار (MDP)، مما يتغلب على قيود السياق التي تواجهها الوكلاء الحاليين لتحقيق مكاسب كبيرة في الأداء في المهام طويلة الأمد، سواء كنموذج مُدرب أو كاستراتيجية توجيه للأنظمة الرائدة.
تقدم هذه الورقة إطار عمل PSM، وهو إطار تحسين للصندوق الأسود يستفيد من نموذج لغوي كبير كأداة للتحسين لإلحاق طبقات حماية خفيفة الوزن ومحافظة على المنفعة (SHIELDs) بطلبات النظام، مما يقلل بفعالية من قابليتها للاستغلال في هجمات الاستخراج العدائية دون الحاجة إلى الوصول إلى النموذج.
تقدم هذه الورقة البحثية "الجدال الكامن" (latent debate)، وهو إطار عمل مبتكر يفسر تنبؤات النماذج اللغوية الكبيرة من خلال تحليل الحجج الداخلية الضمنية ضمن عملية استدلال واحدة، مما يثبت فعاليته كبديل أمين لفهم استدلال النموذج وكشف الهلوسة من خلال أنماط جدال محددة.
يُعد MixLM إطار عمل جديد لترتيب النماذج اللغوية الكبيرة يعزز إنتاجية النظام بشكل كبير عبر استبدال المدخلات النصية الطويلة برموز تضمين مدمجة من خلال آلية تفاعل مختلطة، مما يتيح نشر حركة المرور الكاملة بكفاءة في تطبيقات البحث الواقعية مع الحفاظ على مستوى عالٍ من الصلة.
تقدم الورقة البحثية MEDAL، وهو إطار عمل للتوسع أثناء الاستدلال يدمج بحث شجرة مونت كارلو لتحسين مسار إزالة القناع في نماذج لغة الانتشار، محققاً تحسينات كبيرة في الأداء مقارنة بالطرق الاستدلالية الحالية دون الحاجة إلى تدريب إضافي.
تقدم هذه الورقة تقييماً شاملاً لتخزين التلقين المؤقت (prompt caching) عبر ثلاثة من كبار مزودي النماذج اللغوية الكبيرة (LLM) للمهام الوكيلية طويلة الأمد، حيث تُظهر أن تقنيات التخزين الاستراتيجية — مثل استبعاد نتائج الأدوات الديناميكية وإدارة هيكل التلقين — يمكن أن تقلل تكاليف واجهة برمجة التطبيقات (API) بنسبة تتراوح بين 41 و80% وتحسن زمن الوصول لأول رمز (TTFT) بنسبة تتراوح بين 13 و31% مقارنة بالتخزين الساذج للسياق الكامل.
يُعد MedTutor نظاماً للتوليد المعزز بالاسترجاع يعمل على تعزيز تعليم الأطباء المقيمين من خلال التوليد التلقائي لمواد تعليمية وأسئلة قائمة على الأدلة من تقارير الحالات السريرية عبر مسار استرجاع هجين، مما يظهر قيمة تعليمية عالية في تقييمات الخبراء مع الكشف عن توافق متوسط بين التقييمات القائمة على النماذج اللغوية الكبيرة والتقييمات البشرية.
تُثبت هذه الورقة أن الربط العميق للنماذج اللغوية الكبيرة بهويات سردية غنية والتحقق من اتساقها يحسن بشكل كبير من محاكاة السلوك البشري في ألعاب المعضلات الاجتماعية، مما يتيح استكشاف العوامل السياقية الحرجة مثل الوقت، والتأطير، ومجموعات المشاركين التي غالبًا ما تعيق تكرار الدراسات البشرية.
تقترح هذه الورقة مهمة جديدة للكشف عن الموقف من نوع "التعلم الصفري" تسمى DGTA، والتي تحدد أهدافاً ديناميكية متعددة ومواقفها دون معرفة مسبقة، مما يثبت أن النماذج اللغوية الكبيرة التي تم ضبطها بدقة، لا سيما من خلال استراتيجيات المرحلتين والاستراتيجية المتكاملة، تحقق أداءً فائقاً على مجموعة بيانات جديدة تم إنشاؤها من وسائل التواصل الاجتماعي الصينية.