24509 ورقة بحثية
تحدد هذه الورقة ثلاث نقاط ضعف حرجة — وهي ثغرات المعايير المرجعية، والتقادم الزمني، وعدم اليقين أثناء التشغيل — التي تقوض التقييمات الأمنية الحالية لوكلاء الذكاء الاصطناعي، وتقترح اتجاهات عملية لتطوير أطر عمل أكثر متانة وموثوقية.
تكشف هذه الورقة أن ظاهرة "الفرط في الملاءمة" (Hyperfitting) في النماذج اللغوية الكبيرة لا تنتج مجرد نتيجة لحدة انخفاض الإنتروبيا، بل تنبع من توسع هندسي ديناميكي معتمد على السياق في كتلة المحولات الأخيرة التي تعزز الرموز ذات الذيل العميق، وهي آلية يمكن محاكاتها بكفاءة باستخدام استراتيجية "LoRA في المرحلة المتأخرة" المستهدفة التي تقوم بتحديث آخر خمس طبقات فقط.
تُعد MoSA إطار عمل للتكيف مع الإجهاد المقيد بالحركة، وهي تجسر الفجوة بين الواقع والمحاكاة في ديناميكيات الاستمرارية عبر استخدام نموذج متماثل المناحي كسابقة فيزيائية لتعلم مؤثرات الإجهاد المتبقية التي تلتقط التباين والتباين النوعي الطفيف، مما يحقق دقة فائقة، وقدرة على التعميم، ونقلاً من المحاكاة إلى الواقع في مهام التلاعب الروبوتي.
تقدم هذه الورقة مهمة ToM-PD ومجموعة بيانات ToM-BPD لمعالجة أوجه القصور في قدرات الاستنتاج المتعلقة بنظرية العقل لدى النماذج اللغوية الكبيرة الحالية، مقترحةً إطار عمل "فكر ثلاث مرات قبل أن تتحدث" (TTBYS) الذي يستفيد من المعرفة المزدوجة للتفوق بشكل كبير على GPT-5 في التنبؤ بالرغبات، والمعتقدات، واستراتيجيات الإقناع.
تقترح هذه الورقة إطار عمل شاملاً للخدمات المصرفية القائمة على الذكاء الاصطناعي بدون بطاقات، يستفيد من خوارزميات تعلم الآلة، وتشفير البيانات المدفوع بالذكاء الاصطناعي، والبطاقات الافتراضية المولدة تلقائياً لتعزيز الأمن السيبراني، والمصادقة على المعاملات، والتخفيف الاستباقي لمخاطر الاحتيال.
تجادل هذه الورقة بأن الفجوة بين أداء نماذج اللغات الكبيرة في معايير الرعاية الصحية وبين النشر في العالم الحقيقي تنبع من افتراضات ضمنية غير مختبرة حول سلوك المستخدم، وتقترح إطاراً لتصنيف هذه الافتراضات وتقدم "بطاقات المعايير" (BenchmarkCards) والتقييم المرحلي لمعالجتها بشكل منهجي.
تقدم هذه الورقة "المهارات التعاقدية"، وهو إطار عمل مستوحى من GovernSpec يعمل على هيكلة تعليمات وكلاء الذكاء الاصطنا-الاصطناعي للمؤسسات في شكل عقود مهام قابلة للقراءة لتعزيز قابلية فحص الأهداف والحدود ومعايير الجودة، مبرهنةً من خلال التجارب أن هذا النهج يحسن الحوكمة وقابلية الصيانة بدلاً من كونه آلية سلامة قائمة بذاتها.
تُظهر هذه الدراسة المنهجية أنه في حين أن استرجاع المعرفة الأخلاقية يحسن باستمرار الكشف عن قيم "شوارتز" في النصوص السياسية، فإن مجرد زيادة طول السياق أو حجم النموذج لا يضمن أداءً أفضل، حيث يتفوق الدمج المبكر للمعرفة المسترجعة على متغيرات "RAG" الأخرى والنماذج الأكبر حجماً.
تُثبت هذه الورقة أنه على الرغم من التحديات المتعلقة بالفروق الثقافية الدقيقة واللغة العامية، فإن الترجمة الآلية القائمة على النماذج اللغوية الكبيرة تحافظ بفعالية على الإشارات الأخلاقية الدقيقة في بيانات وسائل التواصل الاجتماعي البولندية، مما يتيح إجراء أبحاث عابرة للغات حول القيم الأخلاقية بتكلفة اقتصادية من خلال تشابه دلالي عالٍ وفجوات أداء ضئيلة في مهام التصنيف اللاحقة.
تقدم هذه الورقة البحثية WorkstreamBench، وهو معيار مرجعي جديد لتقييم وكلاء النماذج اللغوية الكبيرة (LLMs) في مهام الجداول البيانات المالية من البداية إلى النهاية باستخدام تصنيف متعدد الأبعاد يشمل الدقة، والصيغة، والتنسيق، مما يكشف أنه بينما تنتج النماذج الرائدة مثل Claude مخرجات ذات مظهر احترافي، إلا أن الوكلاء الحاليين لا يزالون يعانون من أجل التعامل بموثوقية مع التعقيد ومعايير الجودة المطلوبة لتدفقات العمل المالية في العالم الحقيقي.