23200 ورقة بحثية
تقدم هذه الورقة إطار عمل IACDM، وهو إطار مكون من 8 مراحل لتطوير البرمجيات بمساعدة الذكاء الاصطناعي يعالج "فجوة التحقق" من خلال فرض نقد عدائي خارجي محكوم بآلة حالة، مع تقديم أدلة أولية على قدراته الفريدة في اكتشاف العيوب إلى جانب إقرار صريح بموّقفه الحالي فيما يتعلق بالتحقق من الفعالية المستقلة.
تقدم هذه الورقة Alipay-PIBench، وهو معيار مرجعي واقعي يتكون من 18 نموذجاً للمهام عبر تسعة مشاريع من Alipay لتقييم قدرات وكلاء البرمجة في دمج عمليات الدفع، مما يثبت أن توفير مهارات مجال محدد يحسن الأداء بشكل كبير ويوفر بيئة محكومة لتشخيص نقاط قوة النماذج في مهام البرمجيات المعقدة والمدركة للمخاطر.
تُعد SetGo مجموعة أدوات مفتوحة المصدر بلغة بايثون تعمل على تقييم وإصلاح البيانات الوصفية للمجموعات البيانية العلمية عبر ستة أبعاد حاسمة — وهي الامتثال لمعايير FAIR، والترخيص، والمنشأ، والحوكمة، وقابلية التكرار، وجاهزية الفهرسة — وذلك قبل النشر، مما يتيح الإثراء الموجه والنشر الآلي مع التكامل مع وكلاء البرمجة المدعومين بالنماذج اللغوية الكبيرة لتنفيذ سير العمل عبر اللغة الطبيعية.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة تعمم بشكل أفضل عبر اللغات عندما تلتقط تمثيلاتها الكامنة بدقة هياكل التشابه الهرمية للعائلات اللغوية، مثل شجرة اللغات الهندوأوروبية، حيث يرتبط هذا التوافق الهيكلي ارتباطاً مباشراً بتحسن الأداء في الاختبارات المرجعية متعددة اللغات مثل XNLI.
تقدم هذه الورقة البحثية \textsc{Concept2Scenario}، وهو إطار عمل للتفسير الآلي (mechanistic interpretability) يحدد اتجاهات السيناريوهات الداخلية التي تقمع الرفض، ويترجمها إلى سيناريوهات لغوية طبيعية قابلة للتفسير، ويثبت أن هذه السيناريوهات المكتشفة ترفع معدلات نجاح عمليات الاختراق (jailbreak) بشكل كبير عبر نماذج متعددة مفتوحة المصدر ومتطورة.
تجادل هذه الورقة بأن فشل النماذج اللغوية الكبيرة في الالتزام بقيود الجدوى الضمنية لا ينبع من نقص في المعرفة، بل من عنق زجاجة في التوجيه حيث لا يتم تفعيل القيد المشفر باستمرار أثناء عملية اتخاذ القرار، وهو قصور لا يمكن للتدخلات القائمة على التلقين التغلب عليه، ولكن يمكن لترقيع التنشيط المستهدف إصلاحه جزئياً.
تُثبت هذه الورقة، من خلال دراسات الاستئصال المنضبطة، أن توجيه الإجراءات المصنف هو الآلية الأساسية التي تقود مكاسب الأداء في قدرة النماذج اللغوية الكبيرة على التأمل الذاتي للتنبؤ بالنزاعات المسلحة، وليس السقالات التشخيصية أو مفردات التصنيف.
تقدم هذه الورقة FMG-Bench، وهو معيار مرجعي يتكون من 120 سيناريو مصمم لتقييم وتحسين أداء النماذج اللغوية الكبيرة في الفرز اللاهوتي المسيحي والإرشاد الرعوي، مما يثبت أن التعليمات المهيكلة تعزز بشكل كبير السلوكيات الحرجة المتعلقة بالسلامة مثل التعرف على الحالات التي يكون فيها الإحالة البشرية ضرورية.
تقدم هذه الورقة AnchorSIPS، وهي مجموعة بيانات اصطناعية مكونة من 10,000 مقابلة مهيكلة لمخاطر الذهان مع أهداف قياس مستندة إلى النصوص، صُممت للتغلب على عقبات الوصول إلى البيانات وتقييم قدرة نماذج الذكاء الاصطناعي على إجراء تقييم وتشخيص للأعراض مدعوم بالأدلة.
تقترح الورقة البحثية "مطابقة الانتباه الواعية بالتفكير" (TAM)، وهي طريقة مبتكرة لضغط ذاكرة التخزين المؤقت لـ KV، تستفيد من الهيكل الهرمي لسلسلة التفكير من خلال تخصيص الميزانية التكيفي وحماية الرموز المحورية لتقليل استخدام الذاكرة بشكل كبير مع الحفاظ على الدقة أو تحسينها مقارمًا بالضغط الموحد.