23415 ورقة بحثية
تستخدم هذه الورقة التحليل السيكومتري لتوضيح أن "امتحان البشرية الأخير" (HLE) يقيس في المقام الأول عامل استدلال عام واحد بدلاً من قدرات متميزة خاصة بمجالات محددة، وأن دقة قياسه غير كافية للتمييز بفعالية بين النماذج اللغوية الرائدة.
تجادل هذه الرؤية بأن التأثير السريري المحدود للذكاء الاصطنا_في التصوير الطبي لا ينبع من عيوب تقنية، بل من عدم توافق هيكلي بين تصميم الذكاء الاصطناعي الحالي وسير العمل السريري، مقترحةً تحولاً نحو أنظمة وكيلة متعددة الوسائط، وشفافة، ومتوافقة مع الأطباء لسد هذه الفجوة.
تقدم الورقة البحثية SE(3)-MeanFlow، وهو إطار توليدي من خطوات معدودة يوسع نطاق MeanFlow ليشمل هندسة زمرة Lie لتصميم الهيكل العظمي للبروتين، محققاً توليداً عالي الجودة بعدد خطوات أخذ عينات أقل بكثير من نماذج الانتشار أو مطابقة التدفق الحالية عبر استخدام أهداف تدريب ذات صيغة مغلقة وهدف -Flow متخصص لـ SE(3).
تقترح الورقة البحثية "Trajectory Graph Copilot"، وهو إطار عمل يستفيد من الشبكة العصبية الرسومية لنمذجة المسارات التاريخية كرسوم بيانية احتمالية، مما يمكّن وكلاء النماذج اللغوية الكبيرة من تشخيص وتصحيح أخطاء الإجراءات المحتملة ذاتياً قبل التنفيذ، وبالتالي تحسين معدلات النجاح بشكل كبير في المهام المعقدة طويلة الأمد.
تقدم الورقة البحثية VAmoS Bench، وهو إطار تقييم جديد يقيس الأداء الشامل لوكلاء الصوت في سيناريوهات دعم العملاء المالية ذات الحالة المستمرة، وذلك عبر محاكاة مكالمات هاتفية واقعية تحتوي على عناصر عدائية، وتقييم الوكلاء بناءً على قدرتهم على إنجاز المهام بشكل صحيح، وتحديث قواعد البيانات، والحفاظ على الأمن دون تدخل بشري.
تُثبت هذه الورقة أن ملاءمة نموذج ماركوف الخفي للأوزان المرتبة زمنياً للمصنفات المدربة على تدفقات بيانات متغيرة يمكن أن يستعيد الأنظمة الزمنية الكامنة التي تتنبأ بأداء التعميم بشكل أكثر فعالية من التقارب الزمني البسيط أو التقسيمات الساذجة، مما يكشف أن أوزان النموذج تشفر تحولات هيكلية ذات معنى في توزيع البيانات الأساسي.
تقدم هذه الورقة إطار عمل BACKTRACE ومقياس BACKROOMBench للكشف عن "غرفة خلفية للاستنتاج" (Reasoning Backroom) متفشية في الوكلاء اللغويين المعززين بالمهارات، مما يكشف أن عزو المهارات الملحوظة وآثار النصوص هي مؤشرات غير موثوقة للاعتماد السببي الفعلي، والذي لا يمكن قياسه بدقة إلا من خلال تدخلات مضادة للواقع ومنظمة.
يُعد INCLAIR إطار عمل مبتكرًا يستفيد من البنى القائمة على نموذج Inception ونظرية الإحصاء-U للكشف عن الشذوذ في الملفات السريرية الطولية وتوليد تفسيرات لغوية طبيعية مستندة إلى أسس واقعية، محققًا أداءً فائقًا وأهمية سريرية حتى في ظل إشراف الخبراء المحدود.
تقدم هذه الورقة MedLLM، وهو نموذج لغوي طبي مفتوح بـ 0.1 مليار معلمة تم تدريبه عبر مسار ثلاثي المراحل مفتوح بالكامل، والذي يكشف أن النماذج ذات المقياس الأقل من مليار معلمة تظهر تفككاً فريداً في الكفاءة الطبية — حيث تتفوق في المهام القائمة على السياق بينما تعاني في استرجاع المعرفة بسبب قيود السعة بدلاً من مشكلات التكيف.
تقدم هذه الورقة مجموعة بيانات تضم 951 نقدًا من تقييم الخبراء لـ 442 نصًا موقفيًا حول أسئلة مفاهيمية (مثل سلامة وأخلاقيات الذكاء الاصطناعي) لتقييم قدرة النماذج اللغوية الكبيرة على تقييم الحجج الفردية، حيث وجدت أن الأداء في هذه المهام يرتبط بتصنيفات القدرة العامة للنماذج.