11158 ورقة بحثية
تقدم هذه الورقة أول متن لغوي متعدد المجالات لتتبع التحيزات الاجتماعية ضد المشردين عبر المنصات الإلكترونية وغير الإلكترونية، كاشفةً أنه في حين تستطيع النماذج اللغوية الكبيرة تحديد الوصمة، إلا أنها تبالغ بشكل منهجي في رصد مشاعر "الرفض المحلي" (NIMBY) وتفشل في رصد الادعاءات الواقعية، مما يسلط الضوء على الحاجة إلى بروتوكولات تدقيق معايرة بدلاً من الاعتماد على مخرجات النماذج كحقائق مطلقة.
تُثبت هذه الورقة أن استبدال مقاييس الصعوبة التقليدية المتمحورة حول الإنسان بمقاييس تأثير بيانات التدريب المتمحورة حول النموذج يُمكّن التعلم المنهجي من التفوق بشكل كبير على التدريب المسبق ذي الترتيب العشوائي عند استخدام بيانات محدودة، محققاً تحسناً يتجاوز 10 نقاط مئوية في المعايير المرجعية.
تقدم هذه الورقة نموذج "Swin Transformer" المعزز بالانتباه الإقليمي، وهو نموذج مدمج وقابل للتفسير يحقق أعلى مستويات الدقة الدلالية في توليد تعليقات طبية ذات صلة سريرية من خلال تضخيم المناطق ذات الأهمية التشخيصية، كما تم التحقق من ذلك عبر الأداء المتفوق على مجموعة بيانات ROCO مقارنة بالنماذج المرجعية الحالية.
تقترح هذه الورقة إطاراً سيكومترياً لقياس الاستجابة المرغوبة اجتماعياً (SDR) في النماذج اللغوية الكبيرة من خلال مقارنة الاستجابات الصادقة مقابل الاستجابات الموجهة بالتزييف، وتثبت أن قوائم الجرد القائمة على الاختيار القسري المتدرج والمطابقة للمرغوبية تخفف بشكل كبير من هذا الانحياز مع الحفاظ على دقة توصيف الشخصية مقارنة بالاستبيانات التقليدية القائمة على مقياس ليكرت.
تقدم هذه الدراسة معياراً صارماً للمراجعة الزميلة المؤتمتة باستخدام نماذج لغوية كبيرة رائدة لتقييم أنظمة البحث المستقلة، كاشفةً أن إطار عمل FARS يتفوق بشكل كبير على المنافسين في توليد أوراق بحثية علمية عالية الجودة، مع إثبات موثوقية تقييم النماذج اللغوية الكبيرة متعددة النماذج في تقدير جودة الأبحاث.
تقدم هذه الورقة البحثية "سلسلة النماذج" (Chain-of-Models)، وهو إطار عمل للتدقيق الآلي يستخدم نموذجاً ثانوياً لفحص مسارات الاستدلال بحثاً عن التحيز، مما يثبت أن استراتيجية اختيار المدقق المتنوع وظيفياً والمخصص للتحيز تتفوق بشكل كبير على كل من المدققين الثابتين المنفردين والأسس التي لا تعتمد على التدقيق في تعزيز متانة أحكام النماذج اللغوية الكبيرة.
حقق فريق ZeroR@CHiPSAL 2026 مراتب متقدمة في تصنيف الميمات النيبالية من خلال توظيف مسار تكيف رؤية-لغة ثنائي المراحل باستخدام نموذج Qwen3-VL-8B-Instruct مع التعلم التبايني والضبط الدقيق لتقنية LoRA للقضاء على الاعتماد على التعرف الضوئي على الحروف (OCR) والتعامل بفعالية مع خطاب الكراهية وتحديد المشاعر متعدد الوسائط في ظل ندرة الموارد.
تقدم هذه الورقة البحثية مفهوم "فخ الشكلانية الوكالية" (Agentic Formalism Trap) و"مؤشر التنافر التقييمي" (Evaluative Dissonance Index) لإثبات أن أنظمة "النماذج اللغوية الكبيرة كحكم" (LLM-as-a-Judge) معرضة بشكل منهجي للخلط بين الشكلانية الإجرائية والحقيقة الدلالية تحت الظروف العدائية، وهو خلل غير مرتبط بنطاق محدد مدفوع بمحفزات تركيبية محددة وتضاريس معمارية تستوجب تنفيذ مرشحات يقظة خاصة بالبنية المعمارية.
تُثبت هذه الورقة أن الضبط الدقيق اللاحق هو مقياس غير موثوق لتقييم جودة ما قبل التدريب الاتحادي لأنه يفشل في الحفاظ على ترتيب النماذج الأصلي، بينما يوفر التنبؤ بالرمز التالي الجوهري انعكاساً أكثر أمانة لأداء ما قبل التدريب.
تُثبت هذه الورقة أن جدوى الذكاء الاصطناعي للمؤسسات في الخدمات المالية الخاضعة للتنظيم تعتمد على سمات قابلة للقياس مثل الإسناد القابل للتحقق وإشارات الثقة، أكثر من اعتمادها على الدقة الخام، وهو ما يمكن أن يقلل بشكل كبير من عبء المراجعة البشرية المطلوبة للنشر في بيئة الإنتاج.