23941 ورقة بحثية
تقترح الورقة البحثية "التعلم التعزيزي الدلالي المرتكز على المصدر" (SG-SRL)، وهو إطار عمل يستفيد من البيانات أحادية اللغة الوفيرة للغة المصدر لتعزيز توليد اللغة المستهدفة منخفضة الموارد من خلال التعلم التعزيزي الخالي من المراجع مع مكافآت دلالية عابرة للغات، يليه مرحلة استرداد خفيفة لتصحيح الإطناب مع الحفاظ على الدقة الواقعية.
تقدم هذه الورقة Mindgames، وهي ساحة تقييم ومجموعة بيانات متعددة الألعاب تضم 29,571 تفاعلاً من مسابقة عام 2025، صُممت لتقييم قدرات النماذج اللغوية الكبيرة في التفكير الاجتماعي والاستراتيجي مع الكشف عن قيود حرجة مثل هشاشة الالتزام بالقواعد وصلاحية لوحة المتصدرين المرتبطة ببيئة محددة.
تقدم هذه الورقة البحثية بروتوكول KBF، وهو بروتوكول تدقيق "الصندوق الأسود" منخفض التكلفة يستخدم الاستدعاء العددي المستقر بالقرب من حدود المعرفة لإنشاء بصمة رقمية لواجهات برمجة تطبيقات النماذج اللغوية، مما يكتشف بفعالية عمليات استبدال النماذج ذات الصلة اقتصادياً وهجمات التوجيه المختلط عبر نقاط النهاية الإنتاجية وواجهات برمجة التطبيقات الظلية دون الحاجة إلى الوصول المباشر إلى النماذج.
تقترح الورقة البحثية UI-KOBE، وهو إطار عمل يعزز وكلاء واجهة المستخدم الرسومية (GUI) الخفيفين والمخصصين للأجهزة المحمولة من خلال بناء رسوم بيانية معرفية خاصة بالتطبيقات بشكل ذاتي لتوجيه اتخاذ القرار أثناء التشغيل، مما يقلل الاعتماد على النماذج اللغوية البصرية الكبيرة مع تحسين موثوقية تنفيذ المهام وكفاءتها وخصوصيتها.
تقدم هذه الورقة البحثية مُحسِّن "آدم المدرك للتفرد" (S-Adam)، وهو مُحسِّن مبتكر يعمل على تثبيت تدريب التعلم العميق غير السلس من خلال تعديل أحجام الخطوات ديناميكيًا بناءً على مقياس "عدم الاستقرار الهندسي المحلي" المستمد من السبر الهندسي العشوائي، مما يحقق تقاربًا وتعاليًا فائقين مقارنة بالطرق الحالية في الأنظمة الصعبة مثل التدريب المدرك للكمّ.
تقدم الورقة البحثية Opt-Verifier، وهو إطار عمل جديد يعتمد على النماذج اللغوية الكبيرة (LLM) يعمل على تحسين دقة نمذجة الأمثلة المؤتمتة بشكل كبير من خلال توظيف نهج تحقق ثنائي الجانب للتحقق من كل من التوافق الهيكلي للنماذج المولدة مع أوصاف المشكلات والصلاحية الرياضية لحلولها.
يُعد ParaTool إطار عمل مبتكر ينقل تمثيل الأدوات من الأمثلة السياقية إلى وحدات بارامترية مخصصة وقابلة للتحميل، مما يمكّن النماذج اللغوية الكبيرة من استدعاء الأدوات دون الاعتماد على سياق طويل مع تحقيق أداء متفوق وتقليل التعقيد الحسابي.
تقدم هذه الورقة ViewSuite، وهو معيار ثلاثي الأبعاد يكشف أن نماذج الرؤية واللغة تواجه صعوبة في تركيب تحويلات (الرؤية-الإجراء) للتخطيط متعدد الخطوات، وتقترح إطار عمل للاستكشاف الذاتي التكراري مع تقطير الرسم البياني للرؤية، مما يعزز أداء التخطيط بشكل كبير من خلال التغلب على المكافآت الشحيحة وتجاوز النماذج الرائدة مثل GPT-4o.
يقدم Mind-Omni إطار عمل موحداً متعدد المهام يستفيد من نموذج انتشار منفصل مبتكر و"مُجزئ رموز دماغي" (Brain Tokenizer) لتحويل الإشارات العصبية المستمرة إلى رموز منفصلة، مما يتيح الترميز وفك التشفير والاستنتاج متعدد الأوجه عبر سبع مهام متميزة تجمع بين الدماغ والرؤية واللغة، مع تحقيق أداء رائد في مجاله من خلال التآزر متعدد المهام.
تقدم هذه الورقة البحثية AlignG، وهو إطار عمل جديد لتوليد الرسوم البيانية للمشاهد يعمل على تكييف دلالات المحمول ديناميكيًا من خلال استنتاج تمثيلات مشروطة بالسياق من مرشحات العلاقات وإعادة معايرتها عبر التغذية الراجعة للنماذج الأولية، مما يحل مشكلة تعدد المعاني بفعالية ويحقق أداءً رائدًا في مجموعات البيانات المرجعية.