23200 ورقة بحثية
تقترح هذه الورقة إطار عمل مبتكرًا يجمع بين "تثبيت الشخصية الميتافيزيقية" (Meta-Persona Anchoring) و"تدرج الحرارة المفلتر" (Filtered Temperature Scaling) للتخفيف من تأثير "الخلية الاصطناعية الموحدة" (Artificial Hivemind) في النماذج اللغوية الكبيرة، مما نجح في تقليل التقارب الدلالي وزيادة تنوع الاستجابات عبر خفض متوسط تشابه جيب التمام الزاوي من حوالي 0.85 إلى 0.65.
تقترح هذه الورقة إطار تقييم مشترك للمعايير المرجعية القانونية يقيم في آن واحد صحة الإجابة والاستناد إلى السلطة التشريعية، مما يكشف أن النماذج تفصل بشكل متكرر بين هذين البعدين وأن الاعتماد فقط على دقة الإجابة يؤدي إلى مقاييس أداء مضللة.
تقدم هذه الورقة استراتيجية فك تشفير قائمة على مبدأ "المسودة ثم الصقل" لنماذج اللغات الانتشارية، والتي تستفيد من الصقل ثنائي الاتجاه لتحسين الدقة والسرعة بشكل كبير مقارنة بالتوليد التلقائي الكتلي القياسي، مما يثبت أن التصحيح الذاتي للنموذج نفسه والتصحيح التخميني عبر النماذج يوفران مسارات فعالة وخالية من التدريب للوصول إلى توليد نصوص عالية الجودة وسريع.
تتحدى هذه الورقة البحثية مفهوم التحسن المستمر في مهارات الوكلاء ذاتي التطور من خلال إثبات، عبر تجارب منضبطة، أن التطور المستمر للمهارات هو في الواقع عملية بحث متفرقة تخضع لفلترة التحقق وتعتمد بشكل كبير على ديناميكيات التغذية الراجعة والتفاعلات المحددة بين النموذج والمعيار، بدلاً من كونه مكسباً ثابتاً ناتجاً عن جولات إضافية من الصقل.
تهدف هذه الأطروحة إلى توصيف الدين التقني الفريد الموجود في الأنظمة السيبرانية الفيزيائية كثيفة الاعتماد على الذكاء الاصطناعي من خلال تحليل النظم البيئية ومقابلة المطورين، بهدف نهائي يتمثل في تحديد استراتيجيات التحديد وتطوير أداة مؤتمتة لمراقبة هذا الدين وتسديده.
تقدم هذه الورقة معياراً يوضح أن أداء اتباع التعليمات في النماذج اللغوية الكبيرة يتدهور بشكل غير خطي مع تراكم القيود بسبب التعارضات الثنائية، وتُظهر أن مُجمِّع أوامر (prompt compiler) خالٍ من التدريب يعمل بفعالية على التخفيف من هذه المشكلة بالنسبة للنماذج الأضعف بينما يترك النماذج الأقوى دون تأثير يُذكر.
تقدم هذه الورقة CUADebug، وهو إطار عمل يتكون من تصنيف للأخطاء، ومعيار مرجعي مُصنف بشرياً، ومصحح أخطاء نشط ومعزز بالأدوات يعمل على تحسين تشخيص وإصلاح إخفاقات وكلاء استخدام الكمبيوتر بشكل كبير عبر تحديد الأسباب الجذرية في المسارات متعددة الوسائط لتمكين إعادة تنفيذ المهام بفعالية.
تقترح هذه الورقة غلاف أداة خفيف الوزن، واعٍ بالتحقق، يعمل على تخفيف مشكلات الموثوقية في وكلاء النماذج اللغوية الكبيرة الناتجة عن فشل الأدوات غير الذري — مثل المهلات الزمنية والتحديثات الجزئية — من خلال تقليل الإجراءات المكررة بشكل كبير مع الحفاظ على معدلات نجاح المهام دون تعديل النموذج اللغوي الأساسي.
تقدم الورقة البحثية HyperAgent، وهو إطار عمل مبتكر يستفيد من مخطط هيبيرغ (Hypergraph) موجه للأدوات والمخططات (Tool-Schema) لتوجيه التخطيط الديناميكي والتنفيذ الموجه نحو العجز، مما يؤدي إلى تحسين معدلات إكمال المهام والكفاءة لوكلاء النماذج اللغوية الكبيرة (LLM agents) في سيناريوهات استخدام الأدوات المعقدة مقارنة بالنماذج المرجعية الحالية.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة الوكيلّة (agentic LLMs) تُشفّر بطبيعتها إشارات كامنة قابلة للكشف للتعرض لحقن الأوامر غير المباشر في حالاتها الخفية، والتي يمكن استغلالها لبناء دفاع قوي قائم على المسبار (AGRI) يعمل بفعالية على تحييد الهجمات مع الحفاظ على فائدة المهام.