11158 ورقة بحثية
تقدم هذه الورقة SCHEDBench، وهو معيار مرجعي شامل يعتمد على اللغة الطبيعية يوضح أن النماذج اللغوية الكبيرة تفشل في الحفاظ على موثوقية الالتزام بالقيود والجدوى عبر التباينات المتنوعة في الصيغ السطحية المتكافئة دلالياً في مهام الجدولة التوافقية المختلفة.
تقترح الورقة البحثية إطار عمل ReCap، وهو إطار عمل جاهز للتشغيل (plug-and-play) يعزز وصف الصور بنمط الصفر (zero-shot image captioning) من خلال إصلاح عدم الاتساق على مستوى الكيانات صراحةً في بيانات التدريب الاصطناعية عبر إعادة كتابة التسميات التوضيحية الموجهة والتعلم الديناميكي الموزون التكيفي، محققاً بذلك أداءً هو الأفضل حالياً (state-of-the-art) في كل من معايير الاختبار داخل النطاق وعبر النطاقات.
تقدم الورقة البحثية MedUPS، وهو إطار عمل للمواءمة ومجموعة بيانات مقابلة (MedUPSQA) تعمل على تحسين المساعدة التشخيصية للحالات الطبية غير الشائعة من خلال تدريب النماذج اللغوية الكبيرة على التنبؤ بالقرارات السريرية الوسيطة باستخدام التعلم التعزيزي، مما يؤدي إلى تفوقها على كل من النماذج الأساسية والنماذج الرائدة الأكبر حجماً في دقة الخطوة التالية.
تقدم هذه الورقة معياراً مرجعياً متعدد اللغات ودقيقاً للكشف عن الهلوسة في الرؤية واللغة، مبرهنةً على أن العينات المكتوبة بشرياً تُعد بديلاً قابلاً للتطبيق ومستقلاً عن النماذج للبيانات المولدة آلياً، وذلك من خلال توفير توافق أعلى في التوصيف وتحكم أفضل مع الحفاظ على تشابه التوزيع.
تقدم الورقة البحثية DeBERTa-Sentinel، وهو إطار عمل شفاف وقابل للتفسير للكشف عن النصوص المولدة بواسطة الذكاء الاصطناعي يستفيد من آلية الانتباه المنفصل لنموذج DeBERTa-v3 لتحقيق دقة رائدة مع توفير تفسيرات على مستوى الرمز (token-level) لتمكين التحقق من المحتوى القابل للتدقيق والموثوق لمختلف أصحاب المصلحة.
يُعد UniHEAR إطار عمل موحداً وخفيف الوزن يتغلب على قيود الاسترجاع أحادي المصدر وإعادة التصنيف غير المعتمد على المصدر في مجال الإجابة على الأسئلة البصرية القائمة على المعرفة، وذلك من خلال توظيف واصف استرجاع خشن، وبوابة نمطية انتباهية موجهة بالاسترجاع، ودمج مصادر مرجح بالإنتروبيا لتحقيق أداء رائد في معايير E-VQA وInfoSeek.
تقترح هذه الورقة نظاماً لترميز دلالي عكسي ومدرك للمورفولوجيا (الصرف) مع تركيب كلمات هرمي للغة التاميلية، يتفوق على النماذج المرجعية الحالية في جودة الترجمة مع تقليل طول التسلسل وتكاليف الاستدلال بشكل كبير في ظل ميزانية نموذج ثابتة.
تقترح الورقة البحثية إطار عمل ACE-GraphRAG، وهو إطار استدلال وكيلِيّ وقت الاستنتاج يجسّر الفجوة بين التمثيل والاستدلال في تقنية Hierarchical GraphRAG من خلال التكيف الديناميكي لبناء السياق عبر الاسترجاع التفاضلي المتوازي والسياسات المحددة للمهام، متفوقاً بذلك على النماذج المرجعية الثابتة في مهام الإجابة على الأسئلة متعددة القفزات ومهام التلخيص.
تقدم الورقة البحثية ArabicDialectSafety، وهي مجموعة بيانات مرجعية منسقة بشرياً تضم أكثر من 25,000 مطالبة عبر ستة تنوعات لغوية عربية تم تصنيفها من حيث السلامة، والتي تكشف أن نموذج MARBERTv2 الذي تم ضبطه بدقة يتفوق على النماذج اللغوية الكبيرة الرائدة في الكشف عن الضرر المدرك للهجات، مع تسليط الضوء على التحديات المستمرة في اللهجات المغاربية ذات الموارد المنخفضة.
إن RH-RAG هو إطار عمل متعدد الوكلاء مصمم للبيئات ذات الخصوصية المقيدة، يتيح توليد نصوص طويلة موثوقة على الأجهزة المحلية من خلال تنسيق وكلاء التخطيط والكتابة والتحقق مع فهرس استرجاع ثنائي المستوى لضمان الدقة الواقعية والتماسك الدلالي دون الاعتماد على واجهات برمجة تطبيقات سحابية مملوكة.