11158 ورقة بحثية
تقدم الورقة البحثية BeyondUncertainty، وهي طريقة لتوليد النصوص المعزز بالاسترجاع تستفيد من الثقة اللفظية من النماذج اللغوية لتوجيه الاستعلامات بشكل انتقائي إلى عملية الاسترجاع، مما يحقق دقة محسنة وتقليلاً في استخدام الرموز (tokens) مقارنة بالنماذج المرجعية التي تعتمد دائماً على الاسترجاع أو لا تعتمد عليه أبداً، وذلك رغم تحمل عبء إضافي طفيف ناتج عن فحص الثقة الأولي.
تقدم هذه الورقة سير عمل يعتمد على وجود الإنسان في الحلقة، ومتنًا جديدًا مشتقًا من SciSummNet يستفيد من نموذج GPT-4o-mini وتعليقات الخبراء لإنشاء ملخصات علمية سهلة الوصول، مما يثبت أنه بينما تعمل التبسيطات المولدة بواسطة الذكاء الاصطناعي على تحسين القدرة على الاستيعاب لغير المتخصصين، فإن الخبراء البشريين ضروريون للحفاظ على المصطلحات التخصصية الحرجة وقوة الادعاء.
تقدم الورقة البحثية MyMentorLLM، وهي بيئة محاكاة صوتية ونصية متعددة الوسائط تولد أكثر من 2000 جلسة تدريبية معيارية في العلاج المعرفي السلوكي لتقييم وتحسين دقة التشخيص والاستجابة العاطفية لدى المتدربين من المعالجين من خلال الإشراف الخبير.
تقدم هذه الورقة أول دراسة منهجية للتعلم الاتحادي المخصص لنماذج اللغة الصوتية (SpeechLLM) في أنظمة التعرف التلقائي على الكلام (ASR) من طرف إلى طرف، حيث تقدم استراتيجية تحسين فعالة من حيث الاتصال تحقق أداءً تنافسياً في اللغتين الإنجليزية والإيطالية مع معالجة تحديات الخصوصية والقابلية للتوسع في البيئات الموزعة.
تقدم هذه الورقة البحثية WorkSurface-Bench، وهو معيار مرجعي جديد يتكون من 1,151 مهمة قابلة للتدقيق صُممت لتقييم قدرة الوكلاء المؤسسيين على توجيه الاستعلامات عبر أسطح معرفية متباينة (مستندات، وجداول، ورسوم بيانية)، مما يكشف أنه في حين يمكن للوكلاء تحقيق دقة عالية في التوجيه، فإن الاختيار الصحيح للسطح وحده لا يكفي لتحقيق معدلات مرتفعة لإنجاز المهام.
تقيم هذه الدراسة المتانة التنافسية لخمسة نماذج لغوية عربية متطورة ضد الهجمات على مستوى الحروف والكلمات والجمل، مما يكشف عن ثغرات كبيرة تجاه التشكيل والتلاعب بأدوات الربط وإعادة الصياغة، مع إظهار أن التدريب التنافسي يقدم دفاعاً جزئياً ولكنه غير مكتمل.
يقدم AngelSpec إطار عمل تدريب موحد يخصص تخصصاً مشتركاً لهياكل صياغة متميزة (MTP للدردشة وblock-diffusion للكود والرياضيات) ويحسن ديناميكياً موارد التحقق من الاستنتاج لتحقيق تحسينات كبيرة في معدل الإنتاجية ومعدلات قبول أعلى عبر مختلف أعباء العمل الواقعية المتنوعة.
يُعد Shieldstral نموذجاً مصنفاً للسلامة متعدد الوسائط، متكيف السياسات، ومدمجاً بحجم 3 مليارات معلمة، يعمل على توحيد مهام الإشراف على المحتوى المتنوعة ضمن إطار عمل قائم على الإجابة عن أسئلة ثنائية، مما يمكّنه من مضاهاة أو تجاوز النماذج الأكبر حجماً بكثير من خلال مجموعة بيانات ضخمة ومنقحة تضم 54.1 مليون عينة.
تقدم هذه الورقة Stemma، وهي طريقة قوية تعتمد على الصندوق الأسود لاختبار أصل النماذج اللغوية الكبيرة، تقوم برسم خرائط للمخرجات مفتوحة النهاية إلى مناطق قرار مستحثة للتغلب على اختلافات الصيغة السطحية، محققةً دقة هي الأفضل في فئتها عبر مختلف تحولات النماذج وإعدادات النشر.
تقدم الورقة البحثية RSIBench-Data، وهو معيار ضبط يوضح أنه بينما تستطيع وكلاء النماذج اللغوية الكبيرة (LLM agents) تحديد وتطوير استراتيجيات تركز على البيانات بشكل مستقل لتحسين أداء النموذج، إلا أنها تعاني حالياً من صعوبة في ترجمة التغذية الراجعة باستمرار إلى مكاسب مستدامة، مما يسلط الضوء على الفجوة بين الاكتشاف الأولي والتحسين الذاتي المتكرر الموثوق.