25255 ورقة بحثية
تقترح هذه الورقة نظام تباعد الخطوط الزمنية (WLDS) المدفوع بالنماذج الكبيرة، وهو إطار عمل مبتكر يستفيد من النماذج الكبيرة مع آليات معايرة واقعية ومنطقية لتوليد وتصور واستنتاج حالات طوارئ متنوعة وعالية الدقة ديناميكيًا لتحسين تقييم المخاطر واتخاذ القرار.
تقدم الورقة البحثية "محول الاستنتاج الشبكي" (LDT)، وهو نموذج متكرر يحقق دقة تقارب الكمال في الألغاز المنطقية المعقدة مثل السودوكو والمتاهات من خلال تقريب الاستنتاج السليم عبر الإسقاطات الشبكية والتفسير المجرد، متفوقاً بشكل كبير على النماذج اللغوية الكبيرة الرائدة مع الحفاظ على السلامة التجريبية.
تُثبت هذه الورقة أن إعادة حقن المتجهات العاطفية في النماذج اللغوية تخلق "نظيراً للعلامة الجسدية" يعمل على تضخيم أداء اتخاذ القرار فقط عند اقترانه بالمعرفة الدلالية، مما يعيد إنتاج ما توصل إليه داماسيو من أن الإشارات العاطفية تعزز الاستدلال المعرفي ولا تحل محله.
تقدم هذه الورقة DiagnosticIQ، وهو معيار يتكون من 6,690 سؤالاً تم التحقق منها من قبل خبراء، صُممت لتقييم قدرة النماذج اللغوية الكبيرة على ترجمة قواعد الصيانة الصناعية الرمزية إلى إجراءات تصحيحية، مما يكشف أنه بينما تقترب النماذج الرائدة من مستوى أداء البشر، إلا أنها تظل هشة تحت تأثير الاضطرابات الهيكلية وتفتقر إلى المعايرة القوية.
تقدم الورقة البحثية إطار عمل STRIDE، وهو إطار عمل مبتكر يعزز النماذج التأسيسية للسلاسل الزمنية من خلال تقطير استدلال النماذج اللغوية الكبيرة إلى تمثيلات متصلة (continuous embeddings) كأولوية عابرة للأنماط (cross-modal prior)، مما يسد الفجوة بين الأنماط لتحقيق دقة تنبؤية رائدة مع إضافة استدلال نوعي قابل للتفسير البشري.
تقدم الورقة البحثية AgentCollabBench، وهو معيار تشخيصي يكشف أن إخفاقات الأنظمة متعددة الوكلاء تنبع غالباً من اختناقات التواصل الهيكلية ومخاطر سلوكية محددة مثل تدهور التعليمات وانتقال العدوى بالاعتقاد الخاطئ، مما يثبت أن التعاون الموثوق يعتمد على التصميم المعماري أكثر من اعتماده على توسيع ذكاء النموذج وحده.
تقدم الورقة البحثية استراتيجية "الرسم المبدئي والتحقق" (Sketch-and-Verify)، وهي استراتيجية فعالة من حيث التكلفة لتوسيع نطاق الاستدلال في نماذج الأكواد الصغيرة، تتفوق على أخذ العينات المسطحة عبر حصر مسودات خوارزمية متنوعة وملئها بعدة مرشحات، رغم أنها لا تستطيع استبدال أداء مستويات النماذج الأقوى بشكل كامل.
تقدم الورقة البحثية MIND-Skill، وهو إطار عمل متعدد الوكلاء يقوم تلقائياً بتوليد مهارات نماذج لغوية كبيرة عالية الجودة وقابلة لإعادة الاستخدام من خلال دورة استقراء واستنتاج مُحسّنة عبر خسائر نصية (إعادة البناء، والنتيجة، والمعايير) لضمان المتانة والقدرة على التعميم في المهام المعقدة.
تقدم هذه الورقة تصنيف عدالة التفسير (EFT) وتقدم أدلة تجريبية على أن النماذج اللغوية الكبيرة تولد بشكل منهجي تفسيرات متفاوتة الجودة والنبرة والتعقيد عبر المجموعات الديموغرافية، مما يكشف أنه في حين يمكن للتلقين أن يخفف من التفاوتات المرتبطة بالقرار، إلا أن عدم المساواة الأسلوبية تظل قائمة بسبب توزيعات ما قبل التدريب.
تُثبت هذه الورقة أنه بالنسبة لتوليد الكود بواسطة النماذج اللغوية الكبيرة في غياب "أوراكل" كامل، فإن أساليب الإجماع القائمة على التنفيذ تتفوق بشكل كبير على التصويت القائم على أنماط المخرجات، حيث تكون جودة مدخلات الاختبار المولدة هي المحرك الأساسي للنجاح وليس قاعدة التجميع المستخدمة تحديداً.