24055 ورقة بحثية
يُعد Harness-Bench معياراً تشخيصياً يتألف من 106 مهمة واقعية ومعزولة، يعمل على تقييم كيفية تأثير تكوينات طبقة النظام المختلفة (الحواجز/البيئات التنفيذية) على أداء وكلاء النماذج اللغوية الكبيرة، كاشفاً أن نتائج التنفيذ تتباين بشكل كبير عبر الاقتران بين النموذج والحاجز، ومسلطاً الضوء على الحاجة إلى الإبلاغ عن قدرات الوكيل على مستوى التكوين بدلاً من نسبها حصرياً إلى النموذج الأساسي.
تقدم هذه الورقة دراسة تجريبية متعددة الأبعاد تُظهر أنه في حين أن آلات المتجهات الداعمة الكمومية (QSVM) والشبكات العصبية التلافيفية الكمومية (QCNN) تتسبب عموماً في أوقات تشغيل حسابية أعلى من نظيراتها الكلاسيكية، إلا أنها توفر دقة تصنيف فائقة عند المقاييس الأكبر وكفاءة محسنة بشكل كبير في المعلمات والذاكرة، لا سيالما بالنسبة للشبكات العصبية التلافيفية الكمومية (QCNN).
تقيم هذه الورقة البحثية بشكل منهجي مجسات الخداع في عائلة نماذج Gemma 3، مظهرةً أنه بينما تنهار المجسات الخطية تحت تأثير التحولات الأسلوبية بسبب الضيق التوزيعي بدلاً من الحدود المعمارية، فإن المجسات متعددة الأبعاد المعززة بالأسلوب يمكنها استعادة الكشف شبه المثالي بقوة عبر مختلف المقاييس من خلال الاستفضاء بالميزات الموزعة دون العتبة.
تقدم الورقة البحثية ROVER، وهو ملحق خفيف الوزن وقابل للتعلم للنماذج اللغوية الكبيرة متعددة الوسائط، يعزز الاستدلال متعدد الصور القائم على التأسيس من خلال توجيه الأدلة البصرية المتمحورة حول الأشياء بكفاءة عبر آلية ثلاثية الرموز (token triplet) الخاصة بكل خطوة، محققاً أداءً هو الأفضل في فئته على اختبارات معيارية مثل MM-GCoT وVideoEspresso دون المساس بالفهم الشامل للمشهد.
تُظهر هذه الورقة البحثية أن الهندسات الإدراكية الشبيهة بالبشر عبر مجالات مثل اللون والعاطفة تظهر بشكل عابر ضمن الطبقات المتوسطة للنماذج اللغوية الكبيرة، متبعةً مساراً تطورياً متميزاً رغم غياب التدريب الإدراكي المباشر.
تقدم هذه الورقة البحثية "تنظيم التدفق الدلالي" (Semantic Flow Regularization - SFR)، وهو هدف تدريب خفيف الوزن يخفف من حدة "انهيار الأنماط المتعددة" (Cross-Style Collapse) في النماذج اللغوية الكبيرة التي تم ضبطها بدقة، وذلك عبر الإشراف على التدفق الدلالي باستخدام مطابقة التدفق الشرطي، مما يعزز بشكل كبير تنوع المخرجات، ودقة الأسلوب، والأداء في كل من مهام الحوار والبرمجة دون زيادة تكاليف الاستدلال.
تقدم هذه الورقة إطارين عمل بشريين-آليين لبناء معايير مرجعية للكلام باللغة المستهدفة للتغلب على قيود التقييم المتمحور حول اللغة الإنجليزية، مما أدى إلى إصدار ثلاث مجموعات بيانات كورية (KVoiceBench وKOpenAudioBench وKMMAU) تكشف عن فجوات كبيرة ونقاط ضعف تكميلية في نماذج اللغات الكلامية (SpeechLMs) الحديثة عند تقييمها في مهام الأسئلة والأجوبة المنطوقة باللغة الكورية وفهم الصوت.
تقدم الورقة البحثية AsyncTool، وهو معيار مرجعي مبتكر مصمم لتقييم قدرات استدعاء الأدوات غير المتزامنة للوكلاء القائمين على النماذج اللغوية الكبيرة في سيناريوهات متعددة المهام مع محاكاة زمن الاستجابة، مما يكشف عن معاناة النماذج الحالية مع التنسيق الزمني والكفاءة عند التعامل مع استجابات الأدوات المتأخرة.
تقدم هذه الورقة Meow2X وTRNE، وهما إطاران عمل لا يتطلبان إعادة التدريب يعملان على تحديد موقع السمية في طبقات MLP المبكرة لبعض النماذج اللغوية عبر تحليل التنشيط، وكبحها من خلال التوسع أثناء الاستدلال أو تعديلات طفيفة في الأوزان، مما يحقق تحسينات مستمرة في السلامة دون المساس بجودة اللغة.
تقدم هذه الورقة إطاراً نظرياً وخوارزميات استكشاف-استغلال متسلسلة لتعيين مهام التنبؤ ديناميكياً لوكلاء بشريين أو وكلاء ذكاء اصطناعي مع قيود السعة، وتُظهر من خلال التجارب أن هذه الأساليب تتفوق بشكل كبير على النماذج المرجعية غير السياقية عبر التعلم لتحسين خبرة الوكيل وسياق المهمة.