23941 ورقة بحثية
تقدم الورقة البحثية COLAGUARD، وهو نموذج حماية ينقل الاستدلال متعدد الخطوات للأمان إلى فضاء كامن مستمر لتحقيق أداء أمان رائد مع تقليل زمن الاستجابة واستهلاك الرموز (tokens) بشكل كبير مقارنة بنماذج الاستدلال الصريح المرجعية.
تقترح هذه الورقة طبقة تنفيذ وقياس محايدة للسياسات تسد الفجوة بين المحاكاة والواقع في جدولة التعلم المعزز الصناعي من خلال إنشاء لقطات قرار صالحة، وتحديد مقبولية الإجراء بشكل صريح، وإرجاع تباينات التنفيذ هيكلياً لتحويل عدم اليقين إلى بيانات إشرافية قابلة للتنفيذ من أجل تحسين السياسة.
تقدم الورقة البحثية مستوي بيانات "ريد باندا" الوكيل (Redpanda Agentic Data Plane - ADP)، وهو بنية تحتية تضمن عمليات الوكلاء المستقلة الآمنة من خلال فرض سياسات الأمان، ونطاق البيانات، ومسارات تدقيق غير قابلة للتلاعب عبر قنوات وصفية حتمية خارج النطاق تعمل بالكامل خارج مسارات القراءة والكتابة الخاصة بالوكلاء.
تقدم هذه الورقة إطار تقييم مبتكر لأنظمة التوليد المعزز بالاسترجاع (RAG) متعددة المصادر، والذي ينقل التركيز من صحة الإجابة إلى تدقيق الاعتماد على المصادر، مبرهنةً من خلال معيار مرجعي لتعليم مرضى زراعة الأعضاء أن الخلافات المؤسسية أكثر انتشاراً مما كان يُقدر سابقاً، ومقترحةً أدوات مثل HERO-QA وحكماً هيكلياً لقياس وإدارة هذه العلاقات بين المصادر بشكل منهجي.
تحدد هذه الورقة وتُوصّف "الاستسلام غير المخلص"، وهو نمط فشل في نماذج الاستنتاج حيث يظل تسلسل الأفكار صحيحاً من الناحية الواقعية تحت ضغط عدائي متعدد الجولات بينما تنقلب الإجابة النهائية بشكل خاطئ، وهي ظاهرة تم عزلها من خلال إطار عمل كامن مقابل سلوكي وأُثبت أن محركها هو قناة الاستنتاج.
تقدم الورقة البحثية OISD، وهو إطار عمل جديد للتقطير الذاتي الداخلي القائم على السياسة (on-policy) يعزز استدلال النماذج اللغوية من خلال محاذاة التمثيلات الوسيطة مع الإشارات التنبؤية للطبقة النهائية عبر محاذاة الـ logit والـ attention أثناء تحسين GRPO، محققاً تحسينات كبيرة مقارنة بالنماذج المرجعية لتعلم التعزيز (RL) الحالية في مهام الاستدلال الرياضي دون الحاجة إلى معلومات خارجية مميزة.
تحلل هذه الورقة الاتجاهات الزمنية والجغرافية للتجارب السريرية المتعلقة بالذكاء الاصطنا de باستخدام سير عمل هجين للفحص البشري-الآلي، مما يكشف عن زيادة عالمية كبيرة في اعتماد الذكاء الاصطناعي مع تسليط الضوء على الحاجة إلى معايير إبلاغ أكثر وضوحاً لتحسين دقة التصنيف في دراسات التفاعل بين الإنسان والذكاء الاصطناعي.
تقدم هذه الورقة البحثية **unix-ctf**، وهي بيئة إجرائية تولد 656 مهمة متميزة قائمة على نظام الشل (shell) من نوع "التقط العلم" (capture-the-flag) لعزل وتدريب الكفاءة في أنظمة يونكس، مما يثبت أن الضبط الدقيق لنموذج لغوي على هذه السطح يحسن بشكل كبير من قدرته على استخدام بدائيات نظام التشغيل بشكل مستقل عن مهارات البرمجة العامة.
تجادل هذه الورقة بأن فك التشفير القائم على الثقة ومخططات التدريب المقابلة له في نماذج الانتشار المقنع (Masked Diffusion Models) لا تتوافق جوهرياً مع التدفق المنطقي المطلوب للاستدلال المعقد، مما يتسبب في زيادة كبيرة في الأخطاء في المهام الصعبة مقارنة بنهج القناع العشوائي الأكثر متانة، وإن بدا أقل كفاءة.
تؤيد هذه الورقة إعطاء الأولوية للتغذية الراجعة السياقية الصريحة، مثل تعليقات ومراجعات المستخدمين، في أنظمة التوصية القائمة على النماذج اللغوية الكبيرة من الجيل التالي للتغلب على قيود الإشارات الضمنية، وبالتالي تحقيق توافق أكثر دقة وقابلية للتفسير وتخصيصاً مع تفضيلات المستخدم.