12426 ورقة بحثية
تقدم هذه الورقة امتداداً مترجماً باحترافية لمعيار TruthfulQA للغات الباسكية، والكتالونية، والجاليكية، والإسبانية لتقييم 12 نموذجاً من نماذج اللغات الكبيرة المتطورة، كاشفةً أنه بينما يتباين الأداء حسب مستوى الموارد، فإن التفاوتات في الصدق عبر اللغات أصغر مما هو متوقع، وأن الترجمة الآلية تقدم بديلاً قابلاً للتوسع لتقييم الصدق عبر اللغات.
يُعد AutoToM إطار عمل مؤتمتًا يعزز الاستدلال بنظرية العقل من خلال صقل نماذج الوكلاء بشكل تكراري عبر التخطيط العكسي البايزي الموجه باستدلال عدم اليقين، مما يحقق استدلالًا ذهنيًا قابلًا للتوسع ومتينًا وقابلًا للتفسير يتفوق على الأساليب الحالية عبر مختلف المعايير المرجعية.
تقدم هذه الورقة معياراً لتقييم استخراج العلاقات الطبية الحيوية من الطرف إلى الطرف بنمط الصفر-تلقائي باستخدام نماذج OpenAI، مظهرةً أنه بينما تقترب هذه النماذج اللغوية الكبيرة من أداء التعلم الخاضع للإشراف في مجموعات بيانات معينة، إلا أنها لا تزال تواجه صعوبة في المدخلات المعقدة التي تتضمن علاقات متعددة.
تكشف هذه الورقة أن نماذج "ترانسفورمر" المدربة على المهام الخوارزمية تمر بمرحلة "تعلم الميزات الصامت"، حيث يتم اكتساب الحسابات الوسيطة الحرجة خلال فترات ركود الخسارة، مما يتحدى موثوقية "الاعتلاج المتقاطع" كمؤشر وحيد لتقدم التعلم.
تُظهر هذه الدراسة أن "هوب بوت" (HopeBot)، وهو روبوت محادثة مدعوم بنماذج اللغات الكبيرة ومصمم لإجراء استبيان PHQ-9 بشكل تفاعلي، يحقق توافقاً قوياً في النتائج مع الطرق التقليدية، بينما يكسب ثقة المستخدم وراحته واستعداده لإعادة الاستخدام بمستويات عالية، مما يؤكد إمكاناته كأداة مساعدة قابلة للتوسع لفحص الاكتئاب.
تقدم الورقة البحثية LingVarBench، وهو معيار وخط إنتاج لتوليد البيانات الاصطناعية يستفيد من الأنماط المتنوعة لغويًا والقيم التي يتم أخذ عينات منها بواسطة النماذج اللغوية الكبيرة (LLM) لتحسين مطالبات الاستخراج تلقائيًا، محققًا أداءً يضاهي النماذج التي تم ضبطها بشريًا في التعرف على الكيانات المهيكلة في نصوص المكالمات الهاتفية، مع التغلب على تحديات خصوصية البيانات وتكاليف التوسيم.
تقدم هذه الورقة إطار عمل فعال للتدريب المسبق لنماذج اللغات الصغيرة (SLMs) يجمع بين البحث التطوري لتحديد تهيئات الشبكات الفرعية المتناثرة هيكلياً وبين تقطير المعرفة من النماذج الأكبر، محققاً أداءً مقارباً للمعايير المرجعية القياسية مع تقليل التكاليف الحسابية بشكل كبير.
تقدم الورقة البحثية SOP-Maze، وهو معيار مرجعي جديد مستمد من بيانات أعمال واقعية، والذي يقيم النماذج اللغوية الكبيرة في إجراءات التشغيل القياسية المعقدة عبر تصنيف المهام إلى تحديات استدلال جانبي وعميق، مما يكشف عن معاناة كبيرة في حالات "العمى المساري"، و"الهشاشة الحوارية"، و"أخطاء الحساب" عبر النماذج المتطورة.
تتقصى هذه الورقة كيف تتباين أحكام نماذج اللغات الكبيرة في الفهم الزمني وأحكام التشابه بين أطر المرجعية الإشارية (ماضٍ-حاضر-مستقبل) والأطر التتابعية (قبل-بعد)، مما يكشف عن أنماط بنيوية متميزة تتأثر بالمسافة الزمنية، وعلاقات الفترات، ومدة الحدث.
تقدم هذه الورقة طريقة استقصاء قائمة على معالجة الإشارات لتحديد وتصنيف رؤوس الانتباه المتخصصة في نماذج المحولات متعددة الوسائط، مما يثبت أن تعديل ما لا يزيد عن 1% من هذه الرؤوس يمكن أن يتحكم بفعالية في مفاهيم دلالية أو بصرية محددة في مخرجات النموذج.