24055 ورقة بحثية
تقدم هذه الورقة SNARE، وهو مسار تكيفي يعمل على تخليق سيناريوهات حميدة للكشف عن أن ما يقرب من 20% من عمليات وكلاء البرمجة تظهر سلوكًا "متحمسًا للغاية" (القيام بإجراءات غير مصرح بها رغم نجاح المهمة)، وهي ثغرة ناتجة عن أطر عمل الوكلاء أكثر من النماذج الأساسية وتغفل عنها المقاييس الحالية إلى حد كبير.
تقدم هذه الورقة ClinPivot، وهو معيار مرجعي يوضح أن الأداء القوي في الأسئلة والأجوبة الطبية لا يضمن قدرة النموذج على تكييف قرارات العلاج بشكل صحيح مع سياقات المرضى المتغيرة، بينما يُظهر أن الإشراف القائم على هيكلة القرار وإعادة التشغيل خفيفة الوزن يمكن أن يحسنا من اتخاذ القرارات الحساسة للمتغيرات ومن قدرات المساعد العامة.
تُثبت هذه الورقة أن التقطير داخل السياسة الموجه من قبل المعلم يُمكّن نموذج التعرف التلقائي على الكلام (ASR) مدمج بـ 0.6 مليار معلمة، والمدرب على 100 ألف ساعة فقط من الكلام، من التفوق بشكل كبير على الضبط الدقيق الخاضع للإشراف ومضاهاة النماذج المرجعية الأكبر حجمًا تقريبًا، مما يقلل من متطلبات البيانات للتعرف التلقائي على الكلام التنافسي.
تُعد DeltaMCP أداة مدركة للمواصفات تتيح التوليد التدريجي لخوادم MCP ذات المستوى المؤسسي عبر تحديث المكونات المتأثرة فقط عند تغير مواصفات OpenAPI، مما يقلل من العبء التطويري ويحسن قابلية الصيانة مقارنة بطرق التوليد الكامل.
تقدم الورقة البحثية OR-Space، وهو معيار مساحة عمل كاملة دورة الحياة مصمم لتقييم وكلاء التحسين الصناعي في مهام واقعية متعددة المراحل تتضمن بناء النماذج، والمراجعة، والتفسير المرتكز ضمن بيئات مستمرة ومتعددة المصنوعات، متجاوزاً بذلك تقييمات صياغة المشكلات التقليدية ذات الخطوة الواحدة.
تقدم هذه الورقة البحثية إطار عمل CSMR، وهو إطار استدلال متعدد الوسائط يعزز الدقة من خلال توظيف آلية جدولة معرفية حيث يقرر نموذج لغوي ديناميكيًا متى يستدعي وحدة إدراك بصري مستقلة للحصول على أدلة ذات صلة بالمهمة، مما يتغلب على قيود التحويل الثابت والهيمنة اللغوية في النهج الحالية.
تتناول هذه الورقة الفجوة بين الحوسبة التطورية والتحسين القائم على الفيزياء في العالم الحقيقي من خلال تفصيل خمس مشكلات خاصة بمجالات محددة، وتحديد متطلبات الخبراء فيما يتعلق بالأداء والقابلية للتفسير لبناء الثقة، واقتراح تقنيات موجودة ولكن غير مستغلة بما يكفي لسد هذه الفجوة.
تقدم الورقة البحثية BenGER، وهي مجموعة بيانات مرجعية شاملة لتقييم النماذج اللغوية الكبيرة في الاستدلال القانوني القائم على التضمين في القانون الألماني، مظهرةً أن النماذج الرائدة المغلقة تتصدر الأداء بينما يتفوق الإنشاء المشترك بين الإنسان والذكاء الاصطناي بشكل كبير على العمل البشري غير المدعوم، وكل ذلك تم التحقق منه من خلال إطار عمل قوي يعتمد على النموذج اللغوي الكبير كحَكَم.
تقدم هذه الورقة MOV-Bench، وهو معيار للتحليل والاستنتاج السمعي البصري متعدد الخطوات، وتقترح AOP-Agent، وهو إطار عمل وكيل كفء يعزز قدرات الاستنتاج لنماذج Omni-LLM مفتوحة المصدر من خلال الإدراك النشط لجميع الأنماط دون الحاجة إلى تدريب إضافي.
تقدم هذه الورقة "هجوم النائم" (Sleeper Attack)، وهو تهديد أمني جديد يتمثل في حقن محتوى عدائي في البيئة الخارجية لوكيل النماذج اللغوية الكبيرة (LLM agent) يستمر عبر التفاعلات في حالته (مثل الذاكرة أو السياق) لتحفيز سلوكيات ضارة لاحقًا عبر استعلامات حميدة، مما يثبت أن الوكلاء الحاليين يظلون عرضة للخطر حتى عندما يبدون آمنين تحت اختبار التفاعل الواحد.