11158 ورقة بحثية
تقدم الورقة البحثية Crayotter، وهو وكيل تحرير فيديو بحجم 9 مليارات معلمة تم تدريبه عبر الانتشار العكسي للتفضيلات النسبية للمجموعات (GRPB)، والذي يحول التغذية الراجعة الذاتية لتحرير طويل المدى إلى مقارنات ترتيبية لإعادة توزيع الائتمان بفعالية عبر الأجزاء الدلالية، متفوقاً بذلك على الأنظمة المملوكة في اختبارات معيارية مثل AgenticVBench.
تُعدُّ ORCHead طريقةً مبتكرةً لتصحيح المتبقي عبر مقياس التنشيط، حيث تقوم بضغط رؤوس مخرجات النماذج اللغوية الكبيرة باستخدام جوهر منخفض الرتبة مُكمَّم ومتبقيات INT4 مجموعية، مما يحقق اختزالاً كبيراً في التخزين (3.7–3.9 ضعفاً) مع الحفاظ على تشتت قريب من غير منقوص وتأثير ضئيل على معدل الإنتاجية.
تقدم الورقة البحثية SIEVE، وهي واجهة وكيل بحث عميق تستفيد من الاسترجاع البولياني الميداني لتصفية وترتيب وجلب الأجزاء ذات الصلة فقط من المستندات، مما يحقق دقة أعلى بعدد أقل بكثير من الرموز (tokens) مقارنة بسير عمل البحث والزيارة التقليدي.
تقدم الورقة البحثية CURV، وهو إطار عمل للتعلم المنهجي مقترن بمجموعة بيانات CCQA، والذي يعزز الإجابة على الأسئلة المتعلقة بالمخططات البيانية من خلال تدريب النماذج متعددة الوسائط على أداء استدلال بصري جوهري متعدد الخطوات ومرتبط بالواقع، مما يؤدي إلى تحسينات كبيرة في الأداء عبر مختلف المعايير المرجعية.
إن LACE هو إطار عمل متعدد الوكلاء مدعوم بالنماذج اللغوية الكبيرة (LLM) يعمل على أتمتة ترجمة نوايا توسعة تعليمات RISC-V من اللغة الطبيعية إلى كود RTL تم التحقق منه وفحوصات مستقلة عن المترجم، مما يحسن دقة التوليد بشكل كبير ويقلل من إعادة عمل التكامل عبر النوى المتنوعة.
تقدم الورقة البحثية FLARE، وهو إطار عمل قائم على التعلم بلقطات قليلة يستفيد من آليات انعكاسية تكيفية للتفوق على مُحسّن GEPA المتطور عبر مختلف المعايك، مما يظهر دقة واستقراراً وكفاءة في البيانات متفوقة في ضبط التعليمات للجيل القادم من النماذج اللغوية الكبيرة.
تُثبت هذه الورقة أن التعقيد المنطقي لتعلم المفاهيم الذرية ذات الترتيب الأعلى ليس موزعاً بشكل موحد عبر مكعب الفرضيات الذرية، بل هو محلي ومقيد بهندسة المستويات الفائقة، حيث تنهار المستويات الفائقة غير القطرية إلى فئات تكافؤ محدودة بينما يظل القطر الكامل هو المصدر الوحيد للتعقيد غير المحدود.
تُثبت هذه الورقة أن أداء معالجة اللغات الطبيعية للغة العربية يعتمد أساساً على البنى التوزيعية المستقرة بدلاً من الأيقونية البصرية لأشكال الحروف، حيث تحقق عمليات إعادة تعيين الرموز التعسفية القائمة على تجميعات الرسم غير المنقوط نتائج تنافسية عبر مهام متنوعة مع تقليل حجم المفردات وتكاليف التدريب بشكل كبير.
تقدم هذه الورقة نموذج الاستجابة الاسمية للنماذج اللغوية الكبيرة (LLM-NRM)، وهو إطار عمل سيكومتري يستفيد من التوزيع الكامل لخيارات الإجابة —بما في ذلك الخيارات غير الصحيحة— لتقدير قدرات النماذج اللغوية الكبيرة وخصائص العناصر بدقة أكبر، مما يثبت أن تفضيلات المشتتات توفر قيمة قياس كبيرة وتتيح اختباراً معيارياً عالي الكفاءة مقارنة بالتسجيل الثنائي التقليدي.
يتتبع هذا البحث تجريبياً كيف تفترض النماذج اللغوية ضمناً وجود مدينة "عادية" من خلال تقييم ملفات تعريف حضرية مجهولة المصدر عبر 40 مؤشراً، مما يكشف عن انحياز مشترك نحو الأشكال الحضرية الأكبر والأسرع نمواً والأكثر كثافة في البنية التحتية حيث غالباً ما يتطابق النمط المألوف مع الجاذبية.