11070 ورقة بحثية
تُحدد هذه الورقة البحثية كمياً العبء الإضافي الكبير في عملية التجزئة (tokenization) الذي تواجهه اللغة الأوكرانية وغيرها من اللغات السيريلية في أنظمة الذكاء الاصطناعي الحديثة مقارنة باللغة الإنجليزية، موضحةً أن هذا التفاوت ينبع من تخصيص بيانات التدريب، ولكن يمكن التخفيف من حدته بفعالية من خلال تقنيات الضغط أثناء الاستنتاج أو عبر تدريب أجهزة تجزئة "BPE" متوازنة على مستوى البايت.
تتحدى هذه الورقة الافتراض القانوني القائل بأن العقود تحتوي على معلومات قليلة للغاية لحل النزاعات، وذلك من خلال إثبات قدرة النماذج اللغوية الكبيرة على إعادة بناء الشروط المحجوبة وغير المكتوبة بدقة من النص المتبقي، مما يشير إلى وجوب معاملة المحاكم لتنبؤات هذه النماذج كأدلة قابلة للطعن لسد الفجوات التعاقدية.
تقترح هذه الورقة "فك التشفير بالتعليق التوضيحي للمجموعات المتعددة عبر التناقض الشرطي" (CED)، وهو إطار عمل مبتكر يعمل على تخفيف التحيزات الاجتماعية في النماذج اللغوية البصرية الكبيرة من خلال بناء وتجميع منظورات تناقض شرطي متعددة المجموعات داخل فضاء التمثيل البصري لتعزيز التوليد العادل مع الحفاظ على القدرات الجوهرية للنموذج.
تعمل هذه الورقة على تنظيم الإخفاقات التشغيلية لأدوات اختبار الاختراق المدفوعة بالنماذج اللغوية الكبيرة من خلال تقييم عملي، مستخلصةً قوانين تصميم كمية ومؤشر احتكاك رباعي الأبعاد لتوجيه بناء أنظمة أمنية وكيلية قوية، متمثلة في منصة Inspectra.
تقدم هذه الورقة البحثية "إلغاء تعلم الأدوات الوكيل" (Agentic Tool Unlearning - ATU)، وهو إطار عمل ثنائي المراحل يجمع بين كبت المعرفة البارامترية والتعلم التعزيزي على مستوى المسار لمنع وكلاء النماذج اللغوية الكبيرة من استعادة المعلومات المنسية عبر الأدوات الخارجية مع الحفاظ على فائدتهم فيما يتعلق بالمعرفة المستبقاة.
تقدم هذه الورقة البحثية TRIAD، وهو إطار عمل مؤتمت ثلاثي المراحل يقوم بتوليد والتحقق من صحة مجموعات بيانات الأسئلة والأجوبة متعددة القفزات ذات النطاق المحدد مع سياقات مصنفة حسب الصلة لتقييم أنظمة التوليد المعزز بالاسترجاع (RAG) بفعالية على البيانات المملوكة.
تقدم هذه الورقة "موثوقية حالة الدليل" (ESR) كمعيار تقييم متميز عن صلاحية المحلل، وتوضح من خلال تجربة مسار عمل متعدد المراحل لنماذج اللغات الكبيرة (LLM) ومنضبطة، أنه في حين قد يظل التوافق الهيكلي مستقراً أو متحسناً في ظل تدهور الأدلة، فإن الموثوقية الفعلية والنجاح الوظيفي للمراحل اللاحقة يتدهوران بشكل كبير.
يقدم K-Bench إطار تقييم مبتكر لوكلاء الذكاء الاصطناعي العلميين باستخدام طلبات مستخدمين حقيقية وغير محددة بدقة وتقييم أعمى من عدة حكام، مما يكشف أن النماذج الرائدة الحالية لا تزال تعاني في تلبية عتبة العمل المقبول لدى العلماء المتخصصين باستمرار، مع تحديد الدقة العلمية والمبالغة في الادعاء كأشكال رئيسية للفشل.
تكشف هذه الورقة عن فجوة كبيرة بين مقاييس الاستعلام النظيف القياسية والمتانة الخصامية في عملية "إلغاء التعلم" (machine unlearning)، حيث تُظهر أنه بينما تبدو أساليب الضبط الدقيق ناجحة في نسيان البيانات بموجب التقييم التقليدي، إلا أن المعلومات المستهدفة تظل قابلة للاسترداد بدرجة عالية من خلال التلقين الاستراتيجي، مما يسلط الضوء على الحاجة الماسة لاختبار الإجهاد الخصامي لضمان إلغاء تعلم حقيقي.
تقدم هذه الورقة "معيار قابلية التحكم في التنشيط" (Activation Controllability Benchmark) لتوضيح أن النماذج اللغوية الكبيرة يمكنها تعديل تنشيطات تدفق المتبقي الداخلي (residual stream activations) بشكل متعمد عبر تعليمات باللغة الطبيعية، وهي قدرة يمكنها التهرب جزئياً من طرق مراقبة الفضاء الكامن الحالية وتفرض تحدياً كبيراً لنشر النماذج بشكل آمن.