12 المواد
اكتشف الباحثون أن الأساليب القياسية لإزالة التعلم من نماذج اللغات الكبيرة يمكن كسرها بسهولة عند إعادة التدريب على عدد صغير من الأمثلة المنسية. التقنية المقترحة من قبلهم، معايرة الهامش، تضيف عقوبة هامشية غير مشبعة وتقلل بشكل ملحوظ من نجاح هذه الهجمات على نماذج ومجموعات بيانات مختلفة.
يُظهر بحث جديد أن مُقيّمًا متحيزًا يعتمد على نموذج لغوي كبير (LLM) يكسر بصمت آلية التخلّص من المهارات غير الناجحة: فعندما تتجاوز نسبة النجاحات الزائفة 0.45، يتوقف النظام عن تنظيف مكتبة المهارات، ولا يظهر ذلك في المقاييس المجمّعة. يقترح المؤلفون تدقيقًا منخفض التكلفة عبر حقن العيوب للتحقق من المُقيّم قبل النشر.
أبلغ العديد من خبراء الأمن السيبراني عن فقدانهم الوصول إلى مستوى Daybreak Blue في برنامج Trusted Access for Cyber. وأقرت OpenAI بوجود مشكلة من جانبها وطلبت إعادة التحقق من الهوية.
نجاح النماذج اللغوية لا يرتبط فقط بإعادة استخدام الرموز، بل أيضًا بكيفية تنظيم الضغط. بالنسبة للموسيقى، فإن محاولة تثبيت العلاقات مسبقًا، مثل دائرة الخُمس، تضعف التوقعات — الأهم هو ترك سياق النموذج وتحديد الزمن بشكل صحيح.
نستعرض أكثر الطرق موثوقية لتثبيت Stable Diffusion على الكمبيوتر الشخصي: المثبّت الرسمي ComfyUI Desktop، وPinokio الشامل، وForge Neo للنماذج الحديثة. نوضح ما هو GPU المطلوب، ولماذا لم يعد Automatic1111 الخيار الأفضل، وكم من الوقت سيستغرق حتى أول صورة مولّدة.
أظهر المؤلفون أن الضبط التنافسي المعتاد للبرومبتات يجعل النموذج يتمسك بخصائص شبه مستقرة ويفقد الدقة على الفئات الجديدة. الطريقة الجديدة ADAPT مع برومبتات الطُعم تحل هذه المشكلة، بفصل الخصائص المفيدة عن المسارات المختصرة القابلة للتعميم.
يُظهر بحث جديد أن حتى وكلاء الذكاء الاصطناعي الواعدين الذين يتمتعون بذاكرة نصية يتدهورون بشكل كبير عند تغيير ترتيب المهام، وأن تقييمهم يعاني من الضوضاء. يدعو المؤلفون إلى بروتوكولات اختبار أكثر صرامة والحذر عند استخلاص استنتاجات حول التحسين.
يقدّم نهج InnerExpert الجديد استخدام خصائص التوجيه والخلافات بين الخبراء في نماذج MoE لتحديد الأجزاء المختلقة بناءً على الرموز. تُدرَّب الطريقة دون وضع علامات يدوية، وتُظهر على خمس مجموعات بيانات دقة تصل إلى 0.91 على مستوى الإجابة و0.76 على مستوى الرمز في تمريرة واحدة.
اختبر المؤلفون ست نماذج لغوية على أسئلة حول الرحلات الجوية والشقق والفنادق، واكتشفوا أن الإجابات الرقمية حول الاستعداد للدفع تتعارض مع بعضها البعض بشكل منهجي. ولهذا السبب، لا يمكن وصف هذه التقديرات بدالة منفعة واحدة — مما يعني أن الاعتماد عليها في اتخاذ القرارات ينطوي على مخاطرة.
