11158 ورقة بحثية
تقدم الورقة البحثية طريقة EASE (الانتباه المكاني المرتكز على الأدلة)، التي تعزز التعلم المعزز بالمكافآت القابلة للتحقق (RLVR) لنماذج الرؤية واللغة من خلال استخدام أدلة بصرية مشروحة لتوجيه الانتباه المكاني أثناء مسارات التدريب ذات المكافأة العالية، مما يؤدي إلى تحسين الأداء في معايير الإدراك والاستدلال والهلوسة دون الحاجة إلى مدخلات إضافية أثناء الاستنتاج.
تقدم الورقة البحثية EMBGuard، وهو حاجز حماية مدمج يعتمد على النماذج اللغوية الكبيرة متعددة الوسائط (MLLM) يعمل على فصل الاستدلال في المخاطر الفيزيائية عن سياسات الوكيل لتحديد وشرح المخاطر المشروطة بالأفعال بدقة في الوكلاء المجسدين، مدعوماً بمجموعة بيانات EMBHazard الجديدة ومعيار EMBGuardTest.
تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة ترث أولويات أخلاقية خاصة بمؤسسات معينة من لغات تدريبها، مما يكشف عن تباين أخلاقي عبر اللغات في السيناريوهات الغامضة يعكس الاختلافات المؤسسية في العالم الحقيقي، رغم أن هذه التأثيرات يتم كبحها عندما يتم تأطير السياقات المؤسسية بشكل صريح.
إن EvoGens هو إطار عمل مستوحى من التطور يعمل على تعزيز حداثة وتنوع توليد الأفكار العلمية من خلال توظيف بحث قائم على المجموعات مع طفرات قائمة على الرتب، وعبور مدرك دلالياً، وتخطيط استرجاع متمايز للتغلب على قيود التقارب الدلالي التي تواجهها أساليب النماذج اللغوية الكبيرة الحالية.
تحدد هذه الورقة مشكلة "انهيار القالب" (Template Collapse) في توليد تقارير الأشعة المقطعية ثلاثية الأبعاد، حيث تنتج النماذج نصوصاً عامة بليغة ولكنها غير دقيقة سريرياً، وذلك عبر اقتراح CLarGen، وهو إطار عمل مفكك يحسن دقة التشخيص وتنوع المخرجات بشكل كبير من خلال مكونات منفصلة للكشف عن الاعتلالات وتوليد اللغة.
تقدم هذه الورقة مسار عمل يعتمد على النماذج اللغوية الكبيرة (LLM) يتميز بالقدرة على التتبع ولوحة تحكم تفاعلية تعمل على أتمتة تحليل تقديمات الاستشارات التنظيمية واسعة النطاق من خلال استخراج تعليقات توضيحية للمواضيع مستندة إلى أدلة نصية حرفية، وهو ما تم إثباته من خلال دراسة حالة على قانون العدالة الرقمية التابع للمفوضية الأوروبية والتي كشفت عن رؤى تتجاوز التصنيفات المحددة مسبقاً.
تقيم هذه الورقة بشكل منهجي قدرات مختلف النماذج اللغوية الكبيرة في التعامل مع الضمائر المستترة الصينية عبر مهام لغوية متعددة، كاشفةً أنه على الرغم من كفاءتها العامة، فإن النماذج الحالية —بما في ذلك النماذج المتطورة الموجهة نحو الاستدلال— تعاني بشكل كبير في كل من تحديد هذه الظواهر في المراحل الأولية وترجمتها في المراحل اللاحقة.
تقدم هذه الورقة البحثية "التفكيك وإعادة التركيب الذري" (ADR)، وهو إطار عمل مبتكر يتغلب على ندرة مهام الكود البرمجي القابلة للتحقق والصعبة لتعزيز التعلم التعزيزي بالمكافآت القابلة للتحقق (RLVR)، وذلك من خلال تفكيك وإعادة تركيب العناصر الذرية بشكل منهجي لتوليد بيانات تدريب عالية الجودة ومتنوعة تعزز بشكل كبير قدرات النماذج اللغوية الكبيرة في البرمجة عبر مجالات مختلفة.
تقدم هذه الورقة البحثية TSM-Bench، وهو معيار متعدد اللغات للكشف عن النصوص المولدة آلياً في مهام تحرير ويكيبيديا الواقعية، كاشفةً أن الكواشف الحالية تضعف أداؤها بشكل كبير في المحتوى الخاص بمهام محددة مقارنة بالمعايير العامة، ومسلطةً الضوء على عدم تماثل في التعميم حيث تتعمم النماذج المدربة على بيانات خاصة بمهام معينة بشكل أفضل على البيانات العامة مقارنة بالعكس.
تُثبت هذه الورقة أن التدريب الذاتي الخالي من التلقين يمكنه تحسين قدرات النماذج اللغوية فقط عندما تكون البيانات الاصطناعية متوافقة مع النموذج الطالب، مما يكشف أن مثل هذا التدريب يضخم المعرفة الكامنة الموجودة بالفعل بدلاً من استيراد بنية جديدة، بينما يفصل في الوقت ذاته بين مكاسب القدرة وبين الحفظ الحرفي دون أهداف صريحة لإلغاء التعلم.