11158 ورقة بحثية
تقدم الورقة البحثية إطار عمل PRIME، وهو إطار عمل مغلق الحلقة يشخص نقاط ضعف الأنماط باستخدام تباين السجل السياقي، ويستعيد التمثيلات المتدهورة عبر وحدة تباينية مشروطة بالنموذج الأصلي، ويعيد تقييم الموثوقية لتمكين التعرف القوي على النوايا متعدد الوسائط في ظل ظروف الضجيج أو الفقدان أو التعارض.
تتقصى هذه الورقة طرق قياس موثوقية التوافق بين المقيمين في التعليقات التوضيحية للنصوص الطبية الحيوية غير المهيكلة، مبينة أنه في حين أن مقاييس التكافؤ الدلالي مثل التضمينات والنماذج اللغوية الكبيرة لها قيود متميزة، فإن الاستدلال باللغة الطبيعية يقدم حلاً وسطاً واعداً لتقييم هذا التوافق.
تقترح الورقة البحثية LoopMTP، وهو إطار عمل فعال من حيث المعلمات يعزز نماذج المحولات الحلقية (looped transformers) عبر محاذاة الحالات الخفية المتوسطة مع تضمينات الرموز المستقبلية من خلال التنبؤ متعدد الرموز الكامن، مما يخفف من حدة الإفراط في التفكير ويحسن دقة الاستنتاج بشكل كبير.
تقيم هذه الدراسة ثلاثة من النماذج اللغوية الكبيرة الرائدة مقابل مراجعات الأقران البشرية لأبحاث مقدمة لـ ICLR 2026، وتجد أنه بينما تستطيع النماذج اللغوية الكبيرة التمييز بشكل عام بين الأوراق المقبولة والمرفوضة، إلا أنها تفشل في محاكاة التمايزات البشرية بين العروض الشفهية والملصقات، وتظهر تحيزات في التقييم خاصة بكل مزود واختلافات موضوعية في تحديد نقاط الضعف.
تقدم هذه الورقة VetScore، وهو إطار تقييم مرجح بالمخاطر للأسئلة والأجوبة الطويلة في المجال البيطري، يقيم مدى أمانة الادعاءات المُولدة لمقتطفات المصدر مع إعطاء الأولوية للادعاءات بناءً على ضررها المحتمل، محققاً توافقاً عالياً مع أحكام الخبراء.
تُثبت هذه الورقة أن الأشجار المعززة بالتدرج يمكنها التنبؤ بدقة بالأداء النهائي وأنماط الفشل لعمليات تدريب الشبكات العصبية العميقة باستخدام القياسات عن بُعد المبكرة فقط (مثل الخسارة، والتدرجات، ومعايير الأوزان) من الدورات الأولى، مما يتيح تخصيصاً فعالاً للحوسبة دون الحاجة إلى الرجوع إلى عمليات تدريب أخرى.
تقدم هذه الورقة تشخيصاً بنظام الصندوق الأسود يسمى "اقتران مراجعة التشتت" (dispersion-revision coupling) ليكشف أنه في حين أن تنوع المخرجات في مجموعات النماذج اللغوية الكبيرة لا يضمن مراجعة معرفية حقيقية، فإن فعالية مثل هذه التدخلات تتباين بشكل كبير عبر النماذج، حيث أظهر نموذج GPT-4o-mini تحسناً في التعافي من المقدمات الخاطئة من خلال الاعتراض المشروط، بينما اكتفى نموذج Gemini-2.5-flash بإعادة صياغة الحجج دون تغيير موقفه الأساسي.
تقدم الورقة البحثية GPTKB 2.0، وهي منهجية قابلة للتوسع تبني قاعدة معرفية بمليون عنصر وفك لغمبضات المعنى مباشرة من النماذج اللغوية الكبيرة عبر تنفيذ عملية توحيد القياس (canonicalization) للكيانات والعلاقات والفئات آنياً للتغلب على قيود التمثيل الأصلية.
تقدم هذه الورقة تصنيفاً إجرائياً لإخفاقات ربط التخطيط في الأنظمة متعددة الوكلاء ومتعددة اللغات، وتقترح TART، وهو منهج تمثيل موجه بالتصنيف يحسن دقة التنفيذ بشكل كبير عبر لغات وتكوينات نماذج متنوعة من خلال المعالجة الصريحة لفقدان المعلومات أثناء عملية تحويل الطلب إلى خطة.
يقدم SciRet دراسة تجريبية مدركة للحوسبة تقيم خط معالجة استرجاع معزز بالبيانات (RAG) علمي ثابت عبر مقاييس مختلفة من المتون على مجموعة بيانات CORD-19، كاشفاً أن الاسترجاع الهجين يتفوق على النهج أحادي الطريقة مع تسليط الضوء على التأثير الضار لأجهزة إعادة الترتيب غير المتوافقة مع المجال والارتباط الإيجابي بين حجم المتن وأمانة التوليد.