11158 ورقة بحثية
تقترح هذه الدراسة إطار عمل محول معزز بالاسترجاع للتحقق من المعلومات الصحية المضللة في نيجيريا باستخدام أدلة منظمة الصحة العالمية ومركز السيطرة على الأمراض والوقاية منها في نيجيريا، والذي حقق دقة بنسبة 71% باستخدام نموذج BERT مع تسليط الضوء على الحاجة الماسة لمصادر معرفية شاملة ومحددة السياق للتغلب على القيود في مستودعات الأدلة الحالية.
تقدم هذه الورقة إطار عمل للتجارب العشوائية المنضبطة المحاكية (S-RCT) يُمكّن وكلاء الذكاء الاصطناعي من التنبؤ بنتائج اختبارات (A/B) قبل النشر الفعلي، مُثبتةً من خلال التحقق من 67 اختباراً تسويقياً تاريخياً أن بروتوكول معايرة ثنائي المراحل وتصميم الاختبار داخل المجموعات (within-subject design) يمكنهما تقليل خطأ التنبؤ والأخطاء المعيارية بشكل كبير لتدقيق العلاجات المرشحة بدقة.
تقدم الورقة البحثية Qwen-CUA، وهو وكيل استخدام حاسوب أصيل مبني على نموذج خليط من الخبراء (MoE) بحجم 397 مليار معلمة، يعمل حصرياً من خلال لقطات الشاشة وأحداث الإدخال دون الاعتماد على أشجار DOM، محققاً أداءً هو الأفضل في فئته في اختبارات استخدام الحاسوب من خلال تدريب النشر السحابي واسع النطاق، وتحسين المكافأة القابلة للتحقق، وبنية قابلة للتوسع.
تقدم الورقة البحثية GRAFT، وهي طريقة لا تتطلب تدريباً تُمكّن سير العمل الوكيل (agentic workflows) من استبدال مناطق التنفيذ الفاشلة ببدائل أفضل بشكل تكيفي باستخدام إشارات جودة خالية من الملصقات، مما يحقق تحسيناً على مستوى الحالة وأداءً محسناً عبر مهام متنوعة دون الحاجة إلى إعادة تحسين كامل سير العمل المكلفة حاسوبياً.
تقدم هذه الورقة البحثية "التقييم المشترك" (joint scoring)، وهو أسلوب فعال قائم على المشفر (encoder-based) يحقق دقة هي الأفضل في حالتها (state-of-the-art) في إسناد الاقتباسات إلى المتحدثين في النصوص الأدبية، مع تفوقه بشكل كبير على كل من الطرق القياسية والنماذج اللغوية الكبيرة في السرعة، وتطرح مجموعة أدوات ModernBookNLP لتسهيل اعتماده.
تدافع هذه الورقة عن مفهوم "التخزين الأصيل للرموز" (token-native storage)، وهو نموذج يتم فيه تخزين النصوص مباشرة كمعرفات رموز (BPE token IDs) بدلاً من أحرف UTF-8، محاججةً بأن هذا النهج يقلل بشكل كبير من حجم التخزين ويسرع عمليات القراءة والكتابة للوكلاء الذكيين عبر إلغاء الحاجة إلى الترجمة وإعادة الترميز المتكررة.
تقارن هذه الورقة بشكل منهجي بين طرق تصنيف النوايا القائمة على التدريب وتلك الخالية من التدريب في النماذج اللغوية الكبيرة، لتجد أنه بينما يتشبع كلاهما في الاختبارات المرجعية السهلة وتتفوق النهج القائمة على التدريب في التمييزات الأكثر دقة، فإن الطرق الخالية من التدريب توفر متانة فائقة ضد المطالبات المختلطة والنوايا والعدائية.
تكشف هذه الورقة أن معايير التقييم الخاصة بالاستدلال العلمي التي تعتمد فقط على دقة الإجابة النهائية تبالغ بشكل كبير في تقدير قدرات النماذج اللغوية الكبيرة الرائدة لأن جزءاً كبيراً من الإجابات الصحيحة يتم تحقيقه من خلال "اختراق الحلول" — أي عبر طرق مختصرة غير صالحة مثل التخمين أو الحصر — بدلاً من الاستدلال الصحيح، وتقترح استراتيجيات لمكافحة الاختراق تكشف هذا التباين.
تقدم هذه الورقة البحثية CTRAG، وهو إطار عمل جديد للجيل المعزز بالاسترجاع (RAG) يستفيد من التقطيع التكيفي، والاسترجاع الديناميكي، والتعلم في السياق لأتمتة وتحسين دقة التحقق من الامتثال التنظيمي بشكل كبير من خلال الربط المرجعي بين أسئلة الضوابط ووثائق الشركة، كما تم إثباته من خلال نشر ناجح في الواقع العملي لدى إحدى شركات الخدمات المهنية الأربع الكبرى.
تستقصي هذه الورقة ١٨ نموذجاً من النماذج اللغوية الكبيرة مفتوحة المصدر، وتجد أنه بينما تمثل هذه النماذج داخلياً المعرفة الميثولوجية من ثقافات متنوعة، فإن فشلها في استرجاع التقاليد غير السائدة ينبع من انحياز في قراءة فك التشفير يؤدي إلى انهيار هذه التمثيلات على رموز التقاليد السائدة، وهو قصور يتأثر أيضاً بلغة المطالبة.