cs.AI ورقة بحثية

Your Teacher Can't Help You Here: Combating Supervision Fidelity Decay in On-Policy Distillation

تتناول هذه الورقة القضية الحرجة المتمثلة في "تدهور دقة الإشراف" (Supervision Fidelity Decay) في عملية التقطير القائم على السياسة (on-policy distillation)، حيث تضعف توجيهات المعلم عبر سلاسل الاستدلال الطويلة، وذلك عبر اقتراح "مكافأة الاستشراف الجماعي" (Lookahead Group Reward)، وهي طريقة مبتكرة تقيم الرموز المرشحة بناءً على ثقة المعلم المستقبلية المستحثة منها، مما يحسن أداء النموذج الطالب بشكل كبير في اختبارات الرياضيات والبرمجة المعقدة.

Yanjiang Liu, Jie Lou, Xinyan Guan, Yuqiu Ji, Hongyu Lin, Ben He, Xianpei Han, Le Sun, Xing Yu, Yaojie Lu2026-06-01

🤖 AI

Hide-and-Seek in Trajectories: Discovering Failure Signals for VLA Runtime Monitoring

تقدم هذه الورقة البحثية **Hide-and-Seek**، وهو إطار عمل خاضع لإشراف تقريبي يعمل على تحديد تموضع الأفعال الدالة على الفشل وتوليد إشارات فشل مهيكلة زمنياً لنماذج الرؤية واللغة والأفعال (VLA) باستخدام تسميات على مستوى المسار فقط، مما يتيح كشفاً قوياً للفشل في الوقت الفعلي دون الحاجة إلى إعادة أخذ عينات مكلفة أو تسميات على مستوى الخطوة.

Seongheon Park, Wendi Li, Changdae Oh, Samuel Yeh, Zsolt Kira, Michael Hagenow, Sharon Li2026-06-01

💬 NLP

Fine-Tuning Improves Information Conveyance in Language Models

تقدم هذه الورقة "إنتروبيا المظلة" ( $\mathrm{CE}^\star$ )، وهي مقياس مبتكر يأخذ في الاعتبار طول المخرجات ليكشف أن الضبط الدقيق لا يقتصر فقط على تقليل عدم اليقين في النماذج اللغوية، بل يعيد تنظيمها بشكل جوهري لتعزيز نقل المعلومات والتنوع الدلالي.

Yuwei Cheng, Weiyi Tian, Haifeng Xu2026-06-01

🤖 AI

Safe Equilibrium Policy Optimization for Strategic Agent Policies

تقدم هذه الورقة البحثية "تحسين سياسة التوازن الآمن" (SEPO)، وهو هدف تدريب يعزز العائد المتوقع بفرض عقوبات على القابلية للاستغلال، والتواطؤ، والآثار الخارجية للتخفيف من أنماط الفشل الاستراتيجي في وكلاء النماذج اللغوية، مما يظهر تحسناً في السلامة وأداء التوازن عبر خمسة مجالات استراتيجية عند تطبيقه على نماذج Gemma وQwen عبر "تحسين السياسة النسبي الجماعي" (GRPO).

Karthika Arumugam, Kiran Kumar Manku, Amit Dhanda2026-06-01

🤖 AI

Sophrosyne: Agentic Exploration of Relational Data Systems Needs Moderation

تقدم الورقة البحثية "سوفروسيني" (Sophrosyne)، وهو نظام يخفف من الإفراط في استكشاف واجهات برمجة التطبيقات (APIs) دقيقة التفاصيل من قبل وكلاء (Text2SQL)، وذلك عبر استجابات موجهة بالتوجيهات، مما يقلل بشكل كبير من الاستكشاف غير الضروري ويحسن دقة توليد لغة (SQL).

Madhav Jivrajani, Ramnatthan Alagappan, Aishwarya Ganesan2026-06-01

💬 NLP

PatchWorld: Gradient-Free Optimization of Executable World Models

يقدم PatchWorld إطار عمل خالٍ من التدرج يحول المسارات غير المتصلة بالإنترنت إلى نماذج عوالم برمجية بلغة بايثون قابلة للفحص والتنفيذ عبر إصلاح الكود الموجه بالنماذج المضادة، محققاً أداءً رائدًا في التخطيط ضمن بيئات الوكلاء النصيين مع كشف مقايضة بين دقة الملاحظة وفائدة القرار.

Jiaxin Bai, Yue Guo, Yifei Dong, Jiaxuan Xiong, Tianshi Zheng, Yixia Li, Tianqing Fang, Yufei Li, Yisen Gao, Haoyu Huang (…)2026-06-01

🤖 AI

UniScale: Adaptive Unified Inference Scaling via Online Joint Optimization of Model Routing and Test-Time Scaling

تقدم هذه الورقة UniScale، وهو إطار عمل عبر الإنترنت يوحد توجيه النماذج وتوسيع نطاق وقت الاختبار في مساحة تحسين تكيفية واحدة باستخدام خوارزميات "متعددة الأذرع السياقية" (contextual multi-armed bandits) لتحقيق مقايضة متفوقة بين الجودة والتكلفة في عمليات نشر النماذج اللغوية الكبيرة.

Kaiyu Huang, Xingyu Wang, Mingze Kong, Zhubo Shi, Yuqian Hou, Hong Xu, Zhongxiang Dai, Minchen Yu, Qingjiang Shi2026-06-01

🔬 applied physics

BilliardPhys-Bench: Benchmarking Physical Reasoning and Visual Dynamics of Multimodal LLMs

تقدم الورقة البحثية BilliardPhys-Bench، وهو معيار اختبار اصطناعي للعبة البلياردو يكشف أن النماذج اللغوية الكبيرة متعددة الوسائط الحالية تعاني في التعامل مع الديناميكيات البصرية والاستدلال الفيزيائي المعقد، حيث تظهر غالباً "تحيزاً للسكون" حيث تتنبأ بشكل غير صحيح بعدم حدوث أي تفاعل في السيناريوهات الصعبة.

Ben Wang, Xiaogang Li, Ruochen Gao, Peiyao Xiao, Chengliang Xu, Zeyu Wang, Zichao Chen, Bing Zhao, Hu Wei2026-06-01

🤖 machine learning

De-attribute to Forget for LLM Unlearning

تقدم هذه الورقة DareU، وهو إطار عمل جديد لتعلم النسيان في النماذج اللغوية الكبيرة يستخدم التعلم التعزيزي لتصفير درجات عزو البيانات لمجموعات النسيان، مما يقلل بفعالية من الإفراط في النسيان ويحافظ على فائدة النموذج مقارنة بطرق التحسين القائمة على الخسارة الحالية.

Xinyang Lu, Jiabao Pan, Rachael Hwee Ling Sim, See-Kiong Ng, Anthony Kum Hoe Tung, Bryan Kian Hsiang Low2026-06-01

💬 NLP

Do Large Language Models Encode Institutional Experience? Evidence from Cross-Linguistic Moral Reasoning Under Ambiguity

تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة ترث أولويات أخلاقية خاصة بمؤسسات معينة من لغات تدريبها، مما يكشف عن تباين أخلاقي عبر اللغات في السيناريوهات الغامضة يعكس الاختلافات المؤسسية في العالم الحقيقي، رغم أن هذه التأثيرات يتم كبحها عندما يتم تأطير السياقات المؤسسية بشكل صريح.

Nattavudh Powdthavee2026-06-01

→ السابق التالي ←