23200 ورقة بحثية
تحلل هذه الدراسة سياسات الذكاء الاصطناعي عبر مؤسسات التعليم العالي في الولايات المتحدة وتجد عدم توافق ملحوظاً حيث تعطي التوجيهات على مستوى الجامعة الأولوية لتخفيف المخاطر بينما تركز السياسات على مستوى الكليات على الجوانب التربوية، وهي فجوة تبرز بشكل خاص في كليات الأعمال وتعيق دمج أهداف التعلم الخاصة بكل تخصص.
تقدم الورقة البحثية DiagChain، وهو معيار تشخيصي يضم 69 سيناريو متنوعًا وإطار عمل ECRAG لتقييم وكلاء النماذج اللغوية الكبيرة (LLMs) في إعادة بناء سلسلة الهجمات القائمة على الأدلة، كاشفةً أنه في حين تعاني النماذج الأكبر من صعوبة في ترتيب الأدلة، تفشل النماذج الأصغر في عملية دمج الأدلة الأساسية، مما يسلط الضوء على الحاجة إلى التقييم المرحلي بدلاً من الدقة الإجمالية.
تتناول هذه الورقة كيفية تحويل النماذج اللغوية الكبيرة لسير عمل المعادلات التفاضلية الجزئية من خلال دمج اللغة الطبيعية، والرياضيات الرمزية، والبرمجة عبر صياغة النموذج، وتوليد الحلول، والتحسين، مع تسليط الضوء على التحديات الجوهرية مثل ندرة مجموعات البيانات عالية الجودة والفجوة بين نتائج المحاكاة والتطبيقات الواقعية.
تؤسس هذه الورقة إطاراً نظرياً مثالياً يثبت أن رقع التنشيط (activation patching) واستئصال فضاء الأوزان (weight-space ablation) ينتجان تفسيرات سببية متباينة لمكونات النموذج، مستنتجةً الشروط الدقيقة لاتفاقهما واختلافهما مع التحقق من صحة هذه التنبؤات من خلال تجارب اصطناعية ونماذج محولات (transformer models) واقعية.
تكشف هذه الدراسة أن النماذج اللغوية الكبيرة المتطورة تظهر تحيزاً جنسياً كبيراً في كشف الأخبار الزائفة، حيث تنتج أحكاماً متضاربة ومنحازة بشكل منهجي حول صحة المعلومات بناءً فقط على العرض الجندري للمسميات الوظيفية للمتحدثين، مما يقوض موثوقية وعدالة أنظمة التحقق من الحقائق الآلية.
توسع هذه الورقة البحثية الحدود النظرية للتفاعلات بين الطبقات في عملية استئصال فضاء الأوزان عبر اشتقاق حد مغلق الصيغة لجاكوبيان الانتباه تم التحقق منه على نموذج مدرب مسبقاً وحقيقي، وإظهار نتائج تجريبية مختلطة على دائرة تحديد المفعول به غير المباشر الناشئة.
تقدم هذه الورقة مخطط تقييم للعب المشترك عبر التنفيذات لتقييم متانة خوارزميات التنسيق من نوع "الصفر استباقي" (Zero-Shot Coordination) تجاه تفاصيل التنفيذ بشكل منهجي، حيث وجدت أن خوارماية "اللعب الآخر" (Other-Play) الشهيرة، تُعد تقييمات التنفيذ الفردي القياسية بمثابة بديل معقول لهذا الاختبار الأكثر صرامة.
تقيم هذه الدراسة ثلاثة من النماذج اللغوية الكبيرة الرائدة مقابل مراجعات الأقران البشرية لأبحاث مقدمة لـ ICLR 2026، وتجد أنه بينما تستطيع النماذج اللغوية الكبيرة التمييز بشكل عام بين الأوراق المقبولة والمرفوضة، إلا أنها تفشل في محاكاة التمايزات البشرية بين العروض الشفهية والملصقات، وتظهر تحيزات في التقييم خاصة بكل مزود واختلافات موضوعية في تحديد نقاط الضعف.
تقدم هذه الورقة إطار عمل مبتكر لتركيب الدرع للأنظمة السيبرانية الفيزيائية يفرض قيود سلامة من رتب عليا تتضمن مشتقات الحالة (مثل السرعة والتعجيل) عن طريق اختزال المشكلة إلى لعبة سلامة ذات حالة محدودة فوق فضاء حالة يعتمد على التاريخ، وتتميز بخوارزمية تكرارية تعمل على تحسين الكفاءة من خلال تقليم المناطق غير الآمنة بناءً على قيود مشتقات مرتبة هرمياً.
يقدم LiveEvalBench إطار عمل آلياً يعتمد على الوكلاء، يعيد تعريف تقييم توليد الويب كعملية مراجعة ديناميكية وتشاركية تتضمن أدواراً متخصصة لمعالجة الطبيعة التفاعلية والمتنوعة والمتطورة بسرعة للمصوغات الأمامية، مما يحقق التوافق مع حكم الخبراء البشريين.