25770 ورقة بحثية
تقدم هذه الورقة خط إنتاج عصبي-رمزي يستخدم التفكيك ثنائي ونصف الأبعاد (2.5-D) لتحسين دقة البناء المكاني القائم على النماذج اللغوية الكبيرة بشكل كبير من خلال قصر النموذج على التخطيط ثنائي الأبعاد بينما يتولى منفذ حتمي عمليات الوضع الرأسي، محققاً أداءً يقترب من السقف في الاختبارات المعيارية ومظهراً نجاحاً في الانتقال إلى أجهزة الحافة والمهام التعاونية المتنوعة.
تقدم الورقة البحثية TeamBench، وهو معيار مرجعي يستخدم الفصل بين الأدوار الذي يفرضه نظام التشغيل لتقييم تنسيق الوكلاء بصرامة، كاشفةً أنه في حين تحقق الفرق التي تعتمد على التوجيهات فقط أو تلك التي يفرض عليها نظام الحماية (sandbox) معدلات نجاح مماثلة، فإن الفصل المفروض يكشف عن عيوب حرجة مثل تجاوز الأدوار وعدم فعالية التحقق، وهي أمور غالباً ما تغفلها المقاييس القياسية.
تقدم هذه الورقة نموذج العالم RLA، الذي يستفيد من تمثيل "الفعل الكامن المتبقي" (Residual Latent Action) المبتكر المستخلص من بقايا DINO والمُتنبأ به عبر مطابقة التدفق (flow matching) لتحقيق تنبؤ عالي الدقة وفعالية في الميزات المرئية، وتمكين تعلم الروبوتات المتقدم من مقاطع الفيديو غير المتصلة (offline) دون تفاعل مباشر أو مكافآت مصممة يدويًا.
تتحدى هذه الورقة البحثية مفهوم "ضريبة الترجمة" الموحدة في معايير القياس من الإنجليزية إلى الصينية من خلال إثبات أن تضخم الدرجات ليس تأثيراً قياسياً، بل هو ظاهرة معقدة تعتمد على العناصر وتدفعها مخاطر صلاحية محددة وتفاعلات بين عائلات النماذج، وتقترح في نهاية المطوي بروتوكولاً جديداً للتطبيع وقائمة مراجعة للإبلاقات لمعالجة هذه القضايا الدقيقة.
تقدم هذه الورقة MoLF، وهو إطار عمل موحد للضبط الدقيق يقوم بتوجيه تحديثات التدرج ديناميكياً بين الضبط الدقيق الكامل والتكيف منخفض الرتبة على مستوى المحسن للتغلب على القيود الهيكلية للنهجات الثابتة، محققاً أداءً متفوقاً أو مكافئاً عبر مهام وأحجام نماذج متنوعة مع توفير نسخة فعالة من حيث استهلاك الذاكرة.
تقدم هذه الورقة البحثية Switchcraft، وهو أول موجه نماذج (model router) مُحسَّن خصيصاً لاستدعاء الأدوات الوكيلية (agentic tool calling)، والذي يحقق دقة بنسبة 82.9% مع تقليل تكاليف الاستدلال بنسبة 84% من خلال الاختيار الديناميكي لأقل النماذج تكلفةً والتي تضمن صحة المهمة.
تكشف هذه الورقة أن معايير التقييم المستخدمة على نطاق واسع في التوصية المتسلسلة غالباً ما تكون "قابلة للحل عبر طرق مختصرة" بواسطة خوارزمية رسوم بيانية بسيطة لا تتطلب تدريباً، مما يشير إلى أن الأداء القوي على هذه المجموعات من البيانات قد يعكس خصائص محددة للبيانات بدلاً من القدرات النمذجة المتقدمة التي تدعيها أنظمة التوصية التوليدية الحديثة.
تقترح الورقة البحثية إطار عمل RRCM، وهو إطار عمل قائم على التصنيف يُمكّن أنظمة التوصية القائمة على النماذج اللغوية الكبيرة من استرجاع والاستدلال ديناميكيًا على ذكريات التعاون والبيانات الوصفية عبر واجهات لغة طبيعية، مع تحسين قرارات الاسترجاع مباشرةً من خلال تحسين السياسة النسبية للمجموعات للتغلب على اختناقات كفاءة السياق وتحسين جودة التوصية.
تقدم هذه الورقة معياراً شاملاً للكشف عن الشذوذ في الرسوم البيانية (Graph Anomaly Detection) يقيم النماذج في ظل تحديات النشر الواقعية — وتحديداً الرسوم البيانية بمقياس الملايين، والندرة الشديدة للشذوذ، والسمات المفقودة — مما يكشف أن الأساليب الحالية المتطورة غالباً ما تفشل في التوسع أو الحفاظ على الأداء في بيئات الإنتاج مقارنة بنتائجها المختبرية.
يقدم البحث إطار عمل Region4Web، الذي يعيد تعريف ملاحظة الوكيل الويب من مستوى العناصر إلى مستوى المناطق الوظيفية من خلال التفكيك الهرمي ومسار PageDigest المستمر، محققاً معدلات نجاح أعلى للمهام وتقليلاً في أطوال الملاحظات على معيار WebArena عبر نماذج لغوية كبيرة متنوعة.