11158 ورقة بحثية
تقدم هذه الورقة معياراً للتقييم الميتافيزيقي القائم على الأبعاد والمستند إلى الأسس اللغوية لأنظمة تحويل النص إلى كلام، لتكشف أن المقيمات الآلية الحالية، بما في ذلك متنبئات متوسط درجة التفضيل (MOS) وقضاة النماذج اللغوية الكبيرة الصوتية (Audio-LLM)، تفشل في رصد كامل نطاق أبعاد الإدراك الصوتي بما يتجاوز الجودة الصوتية الأساسية بشكل موثوق.
تقدم هذه الورقة مجموعة بيانات مشروحة جديدة لنصوص هجينة من اللغتين الهندية والإنجليزية، وتقترح طريقة تطبيع مقيدة بالصوامت لتحسين الكشف عن العواطف، حيث أثبتت أن نموذج (sub-word LSTM) يحقق أعلى دقة (76.6%) من بين خمسة نماذج مرجعية تمت مقارنتها لتصنيف الغضب والخوف والسعادة والحزن.
تقترح هذه الورقة إطار عمل تآزرياً يدمج وكلاء النماذج اللغوية الكبيرة (LLM) مع الرسوم البيانية للمعرفة لتعزيز التنبؤ بالخصائص الاجتماعية والاقتصادية الحضرية، وذلك عبر الاستفادة من استدلال النماذج اللغوية الكبيرة لتحديد المسارات الوصفية (meta-paths) الخاصة بمهام محددة، وآلية تواصل عبر المهام للدمج المعرفي التكيفي.
تبحث هذه الورقة في كيفية ومتى يعزز دمج الأنماط المتعددة التعرف التلقائي على الكلام في البيئات الصاخبة، كاشفةً أن الفوائد تعتمد على مستويات الضوضاء، والمزامنة، والجودة البصرية، والخيارات الهيكلية، مع تقديم رؤى عملية لتحسين تصميم النماذج.
تقدم هذه الورقة البحثية "إلغاء التعلم المفاهيمي الواعي بالعدالة" (FACU)، وهو أسلوب على مستوى النموذج يقلل بفعالية من التحيز الجنساني الجوهري في النماذج اللغوية الكبيرة، ويؤدي إلى تحسينات ذات دلالة إحصائية في العدالة اللاحقة عبر مختلف مهام التصنيف الاجتماعي والاقتصادي دون المساس بالأداء التنبؤي.
تقدم هذه الورقة البحثية AfriNLLB، وهي سلسلة من نماذج الترجمة خفيفة الوزن والفعالة لـ 15 زوجًا من اللغات الأفريقية، والتي تحقق أداءً يضاهي النماذج المرجعية الأكبر من خلال التقليم التكراري للطبقات، والكمية، وتقطير المعرفة، مع إطلاق النماذج وبيانات التدريب المنسقة لدعم النشر في البيئات محدودة الموارد ومزيد من الأبحاث.
من خلال تحليل أكثر من 260,000 تغريدة تتعلق بكوفيد-19، تكشف هذه الدراسة أن المستخدمين المعارضين للمعلومات المضللة هم عادةً أكثر رسوخاً ويعبرون عن مستويات أعلى من المشاعر السلبية مثل الغضب والاشمئزاز، مما يتحدى الافتراض بأن السلبية هي سمة أساسية للأكاذيب.
يعمل نظام Pulsar Attention على تحسين طرق الاستدلال الموزع مثل Star Attention من خلال استبدال المرتكزات الثابتة والمغيبة عن المحتوى بمكونات خفيفة الوزن ومدركة للمحتوى —وهي بادئة مستقرة لامتصاص الانتباه وملخصات عبر الكتل تعتمد على معيار Max-IDF— مما يقلل بشكل كبير من التكاليف الحسابية مع الحفاظ على أداء الانتباه الكثيف أو تجاوزه في التسلسلات الطويلة التي تصل إلى 128 ألف توكن.
تُعد OpenForgeRL إطار عمل مفتوح المصدر يُمكّن من التدريب الشامل لوكلاء الذكاء الاصطناعي الأصليين في بيئات متنوعة عبر فصل الاستدلال عن التدريب بواسطة وسيط خفيف الوزن ومنسق كوبرنيتيس (Kubernetes)، محققاً أداءً هو الأفضل في فئته على معايير الأدوات وواجهات المستخدم الرسومية المعقدة، مع توفير رؤى حول كيفية تشكيل خيارات الهيكل (harness) والتعلم التعزيزي لسلوك الوكيل.
يقدم GEB-Bench معياراً مرجعياً جديداً يقيم قدرة نماذج الذكاء الاصطناعي على التعرف على الزخارف الهيكلية المجردة ورسم خرائطها عبر وسائط متنوعة، مما يكشف عن فجوة ثابتة ومنتظمة بين التعرف أحادي الصوت والتجريد عابر الأصوات، وهي فجوة تستمر حتى في النماذج الرائدة.