23087 ورقة بحثية
تستقصي هذه الورقة مدى جاهزية فك التشفير التأملي متعدد الوسائط لعمليات المسودة المتوازية القائمة على الانتشار، وذلك من خلال تقديم مسح شامل ودراسة تجريبية تحلل بنيات متعددة الوسائط متنوعة، وتستعرض تصنيفاً موحداً، وتقيم الأساليب الحالية عبر معايير قياسية لتحديد القيود الراهنة والتوجهات المستقبلية.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة يمكنها توليد سياسات ترتيب متعددة المقاييس وقابلة للتفسير لتصفية مرشحي بروتينات الارتباط الأفضل بفعالية من مجموعات التصميم الضخمة، متفوقةً بذلك على النماذج المرجعية أحادية الميزة عبر الاستفادة من درجات الجودة الهيكلية والواجهية المحسوبة مسبقاً.
تستخدم مشاركة PSK في مسابقة WMT 2026 MIST نموذج Tiny Aya Global بـ 3.35 مليار معلمة، معززاً بثلاثة محولات QLoRA متخصصة في المهام للتلخيص متعدد اللغات والإجابة على الأسئلة، مستفيدة من بيانات تدريب متنوعة للتفوق على خط الأساس متعدد المهام في التقييمات المحجوزة، مع تقديم تكوينات متعددة لمعالجة نتائج الأسئلة المفتوحة المختلطة.
تقدم هذه الورقة CARD، وهي طريقة تشخيصية تكشف عن فشل نماذج الرؤية واللغة في توجيه تمثيلات المعتقدات الداخلية بفعالية إلى تنبؤات أفعالها، وهو قصور تم تحديده من خلال معيار عالم الشبكة التعاوني الجديد المسمى Relay Chain.
تقترح هذه الورقة تدقيق مسار فرق الأوزان (weight-delta path audit) لتحليل التخصص الطبي في النماذج اللغوية، كاشفةً أنه بينما ترتبط تحديثات جانب فك الترميز (decoder-side updates) ارتباطاً قوياً بمكاسب أداء الاختبارات المعيارية، فإن الآليات الكامنة على مستوى المكونات تظل مشتتة ولا يمكن عزوها بشكل فريد إلى عائلات معمارية محددة مثل طبقات البريب (MLPs).
تقيم هذه الورقة نظاماً مستخدماً لتأليف المستندات متعدد الوكلاء، وتكشف عن عدم تماثل حرج حيث يؤدي تحويل التعليمات المدخلة من النثر إلى الترميز الهيكلي إلى تدهور جودة الكتابة بشكل كبير، مما يشير إلى ضرورة حجز التكييف الهيكلي لمهام القراءة بينما يعد التلقين القائم على النثر متفوقاً لعمليات التوليد.
تقترح هذه الورقة إطار عمل CAIRO، وهو إطار لتوصيف العناصر يراعي سياق المستخدم، يقوم بهيكلة البيانات الوصفية غير المتجانسة واختيار المعلومات ذات الصلة لكل زوج من (المستخدم-العنصر) ديناميكيًا لتعزيز أداء إعادة الترتيب القائم على النماذج اللغوية الكبيرة.
تقدم الورقة البحثية SPARC، وهو إطار عمل بايزي-كونفورمي (Bayesian-conformal) أحادي المرور للتنبؤ بالحركة، يقوم بكفاءة بتوليد تقديرات عدم يقين مهيكلة ومعايرة من خلال الجمع بين عمود فقري لشبكة عصبية متعددة الطبقات (MLP) حتمية وطبقة بايزية تحليلية أخيرة ومعايرة كونفيرمية منقسمة (split conformal calibration)، محققاً أداءً هو الأفضل في فئته (state-of-the-art) من حيث الدقة وتقدير عدم اليقين دون الحاجة إلى أخذ عينات مونت كارلو.
تقدم هذه الورقة البحثية إطار عمل المتانة المعتمدة متعددة الجولات (MTCR)، وهو إطار مبتكر يستفيد من عمليات ماركوف لاتخاذ القرار العدائية للحالة (State-Adversarial MDPs) والحدود التركيبية لتوفير ضمانات سلامة أكثر إحكاماً ومؤسسة نظرياً للنماذج اللغوية الكبيرة ضد هجمات كسر الحماية متعددة الجولات، متجاوزةً بذلك التدهور الأسي لطرق الاعتماد الحالية أحادية الجولة.
تثبت هذه الورقة أن الشهادات القائمة على التنبؤ مثل الدقة والمعايرة غير كافية لضمان موثوقية الذكاء الاصطناعي لأنها لا تستطيع التمييز بين النماذج الموثوقة والمخترقة التي تتشارك في نفس الأداء التنبئي، مما يستلزم إطار عمل جديد لـ "غلاف الكفاءة" يدمج شهادة التفسير للكشف عن أوضاع الفشل الخفية.