23638 ورقة بحثية
تُظهر هذه الورقة أن تقنيات دمج النماذج القياسية غالبًا ما تسبب انهيارًا غير متماثل حيث تُفقد قدرات التعرف على السلامة بينما يتم الحفاظ على سلوكيات الرفض الواسعة، ويرجع ذلك أساسًا إلى أن الضبط الدقيق للرفض يستحث مقادير لمتجهات المهام أكبر بكثير تهيمن على عملية الدمج رغم كون المتجهات شبه متعامدة.
تقدم هذه الورقة تكييفاً لنموذج Whisper يعتمد على تقنية LoRA، مما يتيح تحويلاً فعالاً وبإمكانيات الأجهزة الاستهلاكية للصوت الصادر من كاميرات الجسم التي تواجه تحديات في الوضوح إلى رسوم بيانية هيكلية للوقائع، وبذلك تعالج "مفارقة الرؤية" في العمل الشرطي الحديث عبر تحويل كميات هائلة من اللقطات غير المستغلة إلى أدلة قابلة للتنفيذ من أجل المساءلة.
يُعد "فك التشفير بالتباعد" (Divergence Decoding) إطار عمل لا يتطلب تدريباً، يقوم بدمج الخبرة المعرفية للنماذج المتخصصة مع القدرة على الاستنتاج المنطقي للنماذج العامة ديناميكياً عبر استخدام تباعد "جنسن-شانون" لتوجيه توليد الرموز بشكل تكيفي، مما يجعله يتفوق على النماذج المرجعية أحادية النموذج في الاختبارات المعيارية العلمية.
تقدم هذه الورقة دراسة استئصال مضبوطة تُثبت أن ملفات السياق المستمرة (مثل AGENTS.md) لا تُحسن بشكل ملموس من دقة الوكيل البرمجي لأن الإخفاقات تنبع من عجز في مهارات التنفيذ بدلاً من نقص المعرفة بالمستودع، مع تفسير النتائج المتناقضة السابقة أيضاً من خلال تباينات صعوبة المهام الخاصة بكل وكيل.
تُظهر هذه الورقة أن استخدام نموذج لغوي كبير لتهيئة المعلمات في خوارزمية كمية تباينية (AdaInit) يسرع التقارب بشكل كبير ويخفف من الهضاب القاحلة لتصنيف الصور الطبية على مجموعة بيانات DMR-IR، محققاً تدريباً أسرع بمقدار 160 مرة من التهيئة العشوائية مع الحفاظ على دقة مماثلة.
إن FAVA هو إطار عمل تفويض رسمي يضمن التنفيذ الآمن لوكلاء النماذج اللغوية الكبيرة (LLM) عن طريق ترجمة المهام المكتوبة باللغة الطبيعية إلى رسوم بيانية للأذونات مهيكلة، والتي يتم التحقق منها رياضياً مقابل سياسات الأمان باستخدام حلّال (SMT solver) لاعتراض الإجراءات غير المصرح بها قبل وقوعها.
تكشف هذه الورقة أنه بينما تشير المعايير القياسية إلى أن التكميم بـ 4 بت لا يتسبب في فقدان للمعلومات بالنسبة لوكلاء النماذج اللغوية الكبيرة متعددة الأدوار، إلا أنه في الواقع يضاعف أوضاع الفشل الموجودة بنسبة تصل إلى 2.5 ضعف ضمن ميزانية خطأ ثابتة، وهو تدهور خفي لا يصبح مرئياً إلا من خلال تحليل الخطأ لكل قناة ومعايير نجاح أكثر صرامة.
تجادل هذه الورقة الموقفية بأنه لكي يتم الادعاء بصرامة بوجود "فشل طويل الأمد"، يجب على المعايير المرجعية أن تقيس "بقايا الأفق" — وهي فجوة الأداء بين النجاح الفعلي للمهمة الكاملة والتنبؤ المرجعي المستمد من مهام قصيرة المدى متطابقة — للتمييز بين التدهور الحقيقي وبين مجرد تراكم الأخطاء العادية.
تقدم هذه الورقة البحثية PAUSE، وهو معيار مرجعي متمحور حول المستخدم صُمم لتقييم المساعدين الشخصيين القائمين على الذكاء الاصطناعي في بيئات خدمية واقعية وذات حالة مستمرة، وذلك من خلال معالجة أوجه القصور في المعايير المرجعية المجزأة الحالية عبر التقييم متعدد الأنظمة، وكشف حقيقة أن حتى النماذج الأكثر تطوراً تعاني في المهام التي تتطلب استدلالاً مستمراً للحالة وإدراكاً للإعدادات.
يُعد SkillMentor إطار عمل مبتكر يُمكّن وكلاء النماذج اللغوية الكبيرة من التطور الذاتي عبر تعلم قدرة تشخيصية منفصلة لتحديد وتنسيق نقاط الضعف وتحويلها إلى مهارات قابلة لإعادة الاستخدام، مما يؤدي إلى تحسين أداء المنفذ بنسبة 44.2% دون تحديث أوزان المنفذ أو الاعتماد على الإشراف البشري.