11158 ورقة بحثية
تقدم هذه الورقة إطار عمل يستخدم وكلاء التوليد والفحص لإنتاج مفاهيم طلابية خاطئة اصطناعية مستهدفة تتماشى مع تصنيف بلوم المكون من خمس فئات، مما يعالج ندرة بيانات الأخطاء المصنفة مع إثبات أن توليد أخطاء متسقة مع الفئات أكثر صعوبة بكثير من إنتاج إجابات خاطئة عشوائية.
تقدم الورقة البحثية LLMBridge، وهو مسار عمل جديد يعتمد على النماذج اللغوية الكبيرة (LLM) يجمع بين المعالجة المسبقة واللاحقة الاستدلالية وبين الاستدلال باللغة الطبيعية لتحقيق أداء رائد في حل الربط المرجعي من الطرف إلى الطرف عبر ثلاث مجموعات بيانات إنجليزية.
تقدم هذه الورقة البحثية T2J-Bench، وهو معيار لتقييم تحويل الأكواد البرمجية من خلال عقد تكافؤ ملاحظي متعدد المراحل وثابت، يكشف أن وكلاء البرمجة الحاليين يبالغون في تقدير نجاحهم بشكل كبير بسبب الاعتماد على التحقق الذاتي المعيب بدلاً من محدودية الموارد الحسابية.
تقدم هذه الورقة إطار عمل "محاكاة السيادة على المشاع" (SovSim) لإثبات أن إدخال هياكل قوة غير متماثلة، مثل الرؤساء أو الملوك، في مجتمعات النماذج اللغوية الكبيرة (LLM) يتسبب في انهيارات شديدة في التعاون والاستدامة، مما يؤدي إلى تدهور في معدلات البقاء يصل إلى 87.3% مقارنة بالإعدادات المتماثلة.
تقدم الورقة البحثية COLAGUARD، وهو نموذج حماية ينقل الاستدلال متعدد الخطوات للأمان إلى فضاء كامن مستمر لتحقيق أداء أمان رائد مع تقليل زمن الاستجابة واستهلاك الرموز (tokens) بشكل كبير مقارنة بنماذج الاستدلال الصريح المرجعية.
تقدم هذه الورقة إطار تقييم مبتكر لأنظمة التوليد المعزز بالاسترجاع (RAG) متعددة المصادر، والذي ينقل التركيز من صحة الإجابة إلى تدقيق الاعتماد على المصادر، مبرهنةً من خلال معيار مرجعي لتعليم مرضى زراعة الأعضاء أن الخلافات المؤسسية أكثر انتشاراً مما كان يُقدر سابقاً، ومقترحةً أدوات مثل HERO-QA وحكماً هيكلياً لقياس وإدارة هذه العلاقات بين المصادر بشكل منهجي.
تجادل هذه الورقة بأن فك التشفير القائم على الثقة ومخططات التدريب المقابلة له في نماذج الانتشار المقنع (Masked Diffusion Models) لا تتوافق جوهرياً مع التدفق المنطقي المطلوب للاستدلال المعقد، مما يتسبب في زيادة كبيرة في الأخطاء في المهام الصعبة مقارنة بنهج القناع العشوائي الأكثر متانة، وإن بدا أقل كفاءة.
تقدم الورقة البحثية Parallax، وهو آلية انتباه خطي محلي (Local Linear Attention) مُعلمة، قابلة للتوسع ومستقرة عددياً، تحقق تحسينات باريتو في نمذجة اللغة من خلال القضاء على اختناقات الحوسبة في الـ LLA، وتحسين كفاءة الأجهزة، وإظهار تآزر مبتكر مع مُحسّن Muon.
تقدم هذه الورقة البحثية UA-Legal-Bench، وهو معيار مرجعي شامل يتكون من خمس مهام مستمدة من السجل الموحد الضخم لقرارات المحاكم في أوكرانيا لتقييم نماذج اللغات الكبيرة في الاستدلال القانوني الأوكراني، مما يكشف عن رؤى نقدية حول تأثيرات التعلم بلقطات قليلة (few-shot) المعتمدة على المهمة، ومزالق الدقة في البيانات غير المتوازنة، وسلوكيات التوسع المتفاوتة عبر عائلات النماذج المختلفة.
تقدم هذه الورقة إطاراً تشخيصياً خفيف التوسيم لتقييم أدوات قياس "الروح الريادية" في خطابات الشركات المملوكة للدولة في الصين، كاشفةً أنه بينما تفشل الطرق التقليدية مثل تخصيص دالات ديريكليه (LDA) في تمييز هوية المتحدث، تنجح الأدوات المتقدمة مثل النماذج اللغوية الكبيرة ذات التعلم الصفري في ذلك، لكنها تخلط بين إشارات البناء وبين الأسلوب اللغوي الخاص بالقائد، مما يستوجب إعادة تقييم الادعاءات الحالية المتعلقة بصلاحية البناء.