12427 ورقة بحثية
تقدم هذه الورقة Ebisu، وهو معيار مرجعي جديد يتكون من مهمتين تم تعليمهما من قبل خبراء، صُممتا لتقييم التحديات التي تواجهها النماذج اللغوية الكبيرة في فهم الفروق اللغوية والثقافية المعقدة للتمويل الياباني، مما يكشف أن حتى النماذج المتطورة تعاني في استخراج الالتزامات الضمنية والمصطلحات الهرمية رغم الحجم أو التكيف.
تقترح هذه الورقة نظرية الميزانية النسبية للتعلم التعزيزي في استدلال النماذج اللغوية الكبيرة، حيث تُعرّف كمية رئيسية تحكم كفاءة العينات عبر الأنظمة الناقصة والمتوازنة والوفيرة، وتثبت تجريبياً أن الميزانية النسبية بين 1.5 و2.0 ترفع أداء التعلم إلى حده الأقصى.
تقدم هذه الورقة إطار عمل CoDiQ، الذي يستفيد من توسيع نطاق وقت الاختبار لتمكين التحكم الدقيق في صعوبة وقابلية حل الأسئلة المولدة بمستوى المسابقات، مما ينتج عنه مجموعة بيانات CoDiQ-Corpus التي تعزز بشكل كبير أداء نماذج الاستدلال الكبيرة عند استخدامها للتدريب.
تقدم هذه الورقة أداة Prompting4Debugging (P4D)، وهي أداة اختبار اختراق مؤتمتة تكشف عن ثغرات أمنية جسيمة في آليات السلامة لنماذج الانتشار من نوع نص-إلى-صورة عبر إثبات أن العديد من المطالبات التي كانت تُعتبر سابقاً "آمنة" يمكن التلاعب بها لتجاوز الحمايات الحالية، مما يتحدى موثوقية معايير التقييم الحالية.
تقدم هذه الورقة "تحدي التزامن اللفظي"، وهو معيار مرجعي جديد يقيم قدرة النماذج اللغوية الكبيرة على محاكاة العمليات الإدراكية البشرية والتوافق مع أنماط الفكر البشري من خلال مهام الترابط اللفظي الديناميكي، مما يساهم في تطوير تعاون أكثر تعاطفاً ودقة بين الإنسان والآلة.
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.