12427 ورقة بحثية
تقدم هذه الورقة البحثية "فضاء التبلور" (Ideation Space)، وهو إطار تمثيل مفاهيمي مفكك يفصل المعرفة العلمية إلى مشكلات بحثية، ومنهجيات، ونتائج جوهرية لتمكين استرجاع أدق للأدبيات وتقييم أكثر تمييزاً للجدة، مما يعالج القيود الرئيسية في أساليب التضمين والتقييم القائمة على النماذج اللغوية الكبيرة الحالية.
بينما تتوافق النماذج اللغوية الكبيرة مع البشر في التفسير السطحي للحوار، إلا أنها تتباعد بشكل كبير عند المستوى التمثيلي، لا سيما عند معالجة اللغة المجازية المعتمدة على السياق والبراغماتية الاجتماعية مثل الاصطلاحات، واللغة العامية، والتهكم، حيث أظهر نموذج GPT-4 التقارب الأقرب للأنماط البشرية من بين النماذج التي تم اختبارها.
تتحدى هذه الورقة البحثية المفهوم القائل بأن "الاستيعاب العميق" (grokking) يمثل تحولاً جوهرياً في قدرات الاستنتاج، حيث تثبت بدلاً من ذلك أن النماذج التي حققت هذا الاستيعاب تكتفي بمجرد دمج الحقائق المحفوظة في مسارات الاستدلال القائمة دون تحقيق قدرة فائقة على نقل التعلم أو إتقان حقيقي للمنطق التركيبي مقارنة بنظيراتها التي لم تحقق ذلك.
يحقق نظام فريق Kl33n3x لمهمة NLPAI4Health 2025 المشتركة تلخيصاً وتوليد إجابات على الأسئلة للحوارات متعددة اللغات عبر تسع لغات هندية من خلال استخدام خط معالجة ثلاثي المراحل يجمع بين الترجمة الأمامية، ونموذج لغوي مُقطّر بحجم 2.55 مليار معلمة، والترجمة العكسية، مما يثبت فعالية النماذج المدمجة غير المضبوطة بدقة لمعالجة اللغات ذات الموارد المنخفضة.
تقدم شركة KT نموذج Mi:dm 2.0، وهي عائلة نماذج لغوية كبيرة ثنائية اللغة تضم نسختين بـ 11.5 مليار و2.3 مليار معلمة، والتي تستفيد من خط معالجة بيانات شامل ومواءمة ثقافية لتحقيق أداء رائد في المعايير المرجعية الخاصة بكوريا مع دعم التطبيقات البحثية والتجارية تحت رخصة MIT.
تجادل هذه الورقة البحثية بأن صعود النماذج اللغوية الكبيرة يستلزم تحولاً جذرياً في بناء الرسوم البيانية للمعرفة من مخططات العلاقات الرمزية الجامدة والمحددة مسبقاً إلى أوصاف علاقات قائمة على اللغة الطبيعية مرنة وغنية بالسياق، مدعومة بمبادئ تصميم هجينة توازن بين السلامة الهيكلية والدقة الدلالية.
تقدم هذه الورقة البحثية نموذج DASD-4B-Thinking، وهو نموذج استدلال خفيف الوزن ومفتوح المصدر يحقق أداءً هو الأفضل في فئته من خلال معالجة القيود الحرجة في عمليات التقطير الحالية على مستوى التسلسل عبر مسار تدريب مبتكر يعمل على مواءمة توزيعات المعلم والطالب بشكل أفضل ويخفف من انحياز التعرض، كل ذلك مع استخدام عينات تدريب أقل بكثير.
تقدم هذه الورقة إطار عمل مبتكرًا ثلاثي المراحل لتوليد مطالبات براءات الاختراع متعددة المراحل والتكيفية، والذي يستفيد من تحليل التشابه المدرك للعلاقات، والتعلم المنهجي المتكيف مع المجال مع اختيار ديناميكي لتقنية (LoRA)، والتقييم الموحد للجودة، للتفوق بشكل كبير على النماذج الحالية في التعميم عبر الولايات القضائية، والنمذجة الدلالية، والاتساق مع تقييم الخبراء البشريين.
تقدم هذه الدراسة أول مجموعة بيانات ثنائية اللغة (الإنجليزية-التركية) لاستخراج العلاقات السريرية، وتُثبت أن النماذج اللغوية الكبيرة القائمة على التلقين، لا سيما عند تعزيزها باستراتيجية "الاسترجاع المدرك للعلاقة" المبتكرة، تتفوق على النماذج المرجعية التقليدية المضبوطة بدقة، مع الكشف عن فجوة في الأداء بين التقييمات باللغتين الإنجليزية والتركية.
تقترح هذه الورقة إطار عمل لتعزيز قدرات الاستدلال المنطقي للنماذج اللغوية الأصغر حجماً من خلال تصنيف أخطاء الترجمة، وضبط النماذج باستخدام بيانات مُخلّقة، وتقديم نهج استدلال تدريجي مع التحقق من المحمول لتحسين دقة وموثوقية ترجمة اللغة الطبيعية إلى المنطق من الدرجة الأولى.