التنقل في تصنيف نماذج اللغة الكبيرة: استكشاف مقارن من خلال تقنيات التلاعب بالبيانات والتقييم

مع التطور السريع لأبحاث نماذج اللغة الكبيرة (LLMs)، يصبح فهم تصنيف هذه النماذج أمراً بالغ الأهمية للباحثين. تستكشف هذه الدراسة التصنيف التلقائي للأوراق الاستعراضية المتعلقة بـ LLMs، باستخدام تعلم تمثيل الرسوم البيانية وتقنيات متعددة للتلاعب بالبيانات. من خلال جمع وتحليل البيانات الوصفية من 144 مراجعة أدبية، نقوم ببناء رسوم بيانية للتصنيفات المشتركة لتقييم ومقارنة فعالية أنماط التصنيف المختلفة، بما في ذلك نماذج اللغة المدربة مسبقاً وشبكات الأعصاب الرسومية. تشير نتائجنا إلى أن الاستفادة من الهياكل الرسومية تعزز بشكل كبير أداء تصنيف التصنيفات مقارنة بالنماذج اللغوية التقليدية. بالإضافة إلى ذلك، نبرهن على مزايا استخدام التسميات الضعيفة التي تُولّد من نماذج أصغر، مما يكشف عن رؤى جديدة حول التعميم من الضعيف إلى القوي. لا تسهم هذه الأبحاث فقط في فهم تصنيف LLMs، بل توفر أيضاً إطار عمل لاستكشافات مستقبلية في المجال، مبرزين أهمية طرق التقييم المبتكرة في التنقل بين تعقيدات أبحاث LLM.