🤖 AI

Maximum Satisfiability of Simple Temporal Problems

تتقصى هذه الورقة التعقيد المحدّد للمعلمات لمسألة الإرضاء الأقصى للمسائل الزمنية البسيطة (MAXSTP)، مبينةً أنه في حين أن المسألة تُعد صعبة من فئة W[1] عندما يتم تحديدها بعدد المتغيرات أو عرض الشجرة، إلا أنها تقبل حلولاً قابلة للتعقيد الثابت بمعالم محددة عند الجمع بين الحد الأقصى لمقدار المعامل وعظمة غطاء الرؤوس.

Johannes K. Fichte, Johanna Groven, Peter Jonsson, Victor Lagerkvist, Jorke M. de Vlas2026-07-28
💬 NLP

A Frozen 12B Beats Frontier Models on Verified Work: 100% Accuracy, 0 Tokens, Bit-Exact, Forever

تقترح هذه الورقة نظاماً يحقق فيه نموذج لغوي مجمد دقة بنسبة 100% وصفر توليد للرموز (tokens) في عائلات مشكلات تم التحقق منها، وذلك من خلال الاعتماد على مخزن ذاكرة مستمر ودقيق البت للحلول التي تم التحقق منها بشكل مستقل، مما يؤدي إلى فصل القدرة المرتبطة بالتنفيذ عن توسيع المعلمات وتمكين نوافذ سياق ضخمة على أجهزة المستهلكين.

Sietse Schelpe (Corbenic AI)2026-07-28
💬 NLP

Indic DiarBench: A Multilingual Joint Diarization and ASR Benchmark for Indian Languages

تقدم هذه الورقة البحثية Indic DiarBench، وهو مجموعة بيانات معيارية مفتوحة الوصول تضم 108 ساعات من التسجيلات الصوتية متعددة المتحدثين والموسومة بشرياً عبر جميع اللغات الهندية الـ 22 المجدولة لتقييم وتطوير أنظمة التعرف التلقائي على الكلام وتجزئة المتحدثين المشتركة.

Deovrat Mehendale, Aditya Mehndiratta, Dhruv Rathi, Kaushal Bhogale, Mitesh M. Khapra2026-07-28
🤖 AI

ACM: Agentic Context Management for Long Horizon Tasks

تقدم هذه الورقة "إدارة السياق الوكيلية" (ACM)، وهو إطار عمل يُمكّن الوكلاء من إدارة المهام طويلة الأمد بشكل مستقل من خلال تحرير السياق غير الفاقد للاستعادة واسترجاع الذاكرة الخارجية، مما يحسن الأداء بشكل كبير في مهام البحث والبرمجة مع تقليل ضغط الرموز (tokens).

Xiaochuan Li, Ryan Ming, Meng Chu, Shuai Shao, Rong Jin, Chenyan Xiong2026-07-28
💬 NLP

Earnings25: A Comprehensive 500-Hour Speech Benchmark for Finance

تقدم الورقة البحثية Earnings25، وهو معيار مرجعي شامل مدته 500 ساعة يتكون من مكالمات أرباح كاملة ومقاطع متوازنة قطاعياً مع نصوص متوافقة وبيانات وصفية مهيكلة، والمصمم لتقييم وتأسيس خطوط أساس قابلة للتكرار لأنظمة التعرف التلقائي على الكلام في مكالمات أرباح الشركات باللغة الإنجليزية تحت ظروف واقعية.

Denglin Jiang, Haoran Zhou, Anshul Wadhawan, Brendan Fahy, Vinay Ramesh, David Weisberg, Dmitriy Derkachevskiy, Helen Sh (…)2026-07-28
💬 NLP

Kalypso: Relational LLM Serving

كاليپسو (Kalypso) هو نظام لخدمة النماذج اللغوية الكبيرة العلاقاتية يعمل على تحسين كفاءة تنفيذ الاستعلامات الدلالية من خلال تقديم تنفيذ متسلسل مدرك للاستعلام وجدولة ذاكرة تكيفية لإعادة استخدام حالات ذاكرة التخزين المؤقت لمفاتيح القيم (KV-cache) عبر العمليات، محققاً تسريعًا يصل إلى 4.57 ضعفاً مقارنة بالنهج التقليدي المرتكز على الطلب.

Hojae Son, Md Ashraful Islam, Huy Gia Cao, Hui Guan, Marco Serafini2026-07-28
💬 NLP

TriShieldRAG: A Three-Ring Defense-in-Depth Framework Against Knowledge Corruption in Retrieval-Augmented Generation

يعد TriShieldRAG إطار عمل دفاعي ثلاثي الطبقات يقلل بشكل كبير من معدل نجاح هجمات تسميم المعرفة في أنظمة التوليد المعزز بالاسترجاع (RAG) من حوالي 91% إلى 13% عبر الجمع بين حارس الاستيعاب، ومُقيّم الاسترجاع، وآلية توافق النماذج اللغوية الكبيرة المتعددة، مع الحفاظ على الدقة في الاستعلامات السليمة.

Susil Kumar Mohanty, Rohit Patel, Kosuru Yuvaraj, Jeenal Chaudhary, Disha Singhania2026-07-28
🤖 AI

Limbomorphs

تقدم هذه الورقة "الليموفورفات" (Limbomorphs)، وهي أنماط تبدو متحركة تطورت من خلال اختيار المستخدم في نظام "جيف بريدر" (Gifbreeder)، وتحلل ردود أفعالها الناجمة عن الاضطراب لتحديد ما إذا كانت تُظهر سلوكاً حقيقياً موجهاً نحو هدف أم مجرد مظهر من مظاهر الوكالة ضمن نظام يفتقر إلى وكلاء محددين صراحة أو قواعد تفاعل.

Alex Alvarez, Michael Levin2026-07-28
🤖 AI

Do Visual Features Improve Other-Initiated Repair Detection? A Dyadic Multimodal Approach

تقدم هذه الورقة نموذجاً متعدد الوسائط مبتكراً للكشف عن الإصلاحات التي يبادر بها الآخر وتصنيفها في المحادثات من خلال دمج الميزات البصرية، مما يثبت أن مثل هذه المعلومات البصرية تعزز الأداء باستمرار مقارنة بالنماذج المرجعية النصية والصوتية عبر مختلف السياقات اللغوية والتفاعلية.

Anh Ngo, Nicolas Rollet, Catherine Pelachaud, Chloé Clavel2026-07-28
🤖 AI

Understanding Human-like Solutions in Combinatorial Optimization via Learning and Search

تستقصي هذه الورقة كيفية حل البشر لمسائل البائع المتجول الإقليدية من خلال إثبات أن الجولات الشبيهة بالبشر والقريبة من المثالية لا تُنمذج بشكل أفضل عبر المحاكاة المباشرة للحلول المثالية، بل عبر شبكات عصبية مدربة مسبقاً على جولات مثالية، ومُعدلة بدقة عبر التعلم التعزيزي، ويتم فك تشفيرها من خلال أخذ عينات "الأفضل من N"، مما يشير إلى أن حل المشكلات لدى البشر ينبثق من مزيج من التعلم الخاضع للإشراف، والتعلم التعزيزي، والبحث في وقت الاختبار.

Haijiang Yan, Jian-Qiao Zhu, Liqiang Huang, Ming Meng2026-07-28