11070 ورقة بحثية
تقدم هذه الورقة GameXpert-Bench، وهي مجموعة اختبار شاملة تتكون من ثلاثة مسارات (GameGen وGameFix وGameOpt) تقيم وكلاء البرمجة عبر دورة حياة تطوير الألعاب الكاملة، كاشفةً عن أنه في حين يتفوق الوكلاء الحاليون في إنشاء الأسس القابلة للعب وتنفيذ المتطلبات الصريحة، إلا أنهم يواجهون صعوبة في اكتشاف العيوب، والتحقق من سلوك وقت التشغيل، والحفاظ على الوظائف أثناء التحسين التكراري.
تقدم هذه الورقة PUMA، وهو معيار مرجعي جديد يتكون من 900 مهمة صُمم لتقييم قدرات نماذج الذكاء الاصطناعي متعددة الوسائط في السياق الثقافي واللغوي البولندي، مما يكشف عن فجوات أداء كبيرة في فهم الصوت والمستندات رغم النتائج القوية في الإجابة على الأسئلة البصرية.
تقدم هذه الورقة البحثية SkillBloat، وهو إطار عمل ثنائي المراحل يستغل قنوات حقن المهارات الموثوقة في وكلاء البرمجة القائمين على النماذج اللغوية الكبيرة لتحقيق تضخيم كبير في الرموز (5.4x–10.1x)، مما يكشف عن تهديد متميز يتمثل في إساءة استخدام الموارد الاقتصادية، وهو تهديد متعامد مع الهجمات الأمنية التقليدية.
تقترح الورقة البحثية "تنسيق العمود الفقري والأفرع" (Spine-Branch Coordination)، وهو إطار عمل متعدد الوكلاء يقوم بتفكيك مهام استخدام الحاسوب إلى "عمود فقري" مستمر و"أفرع" متوازية لتجنب الاستحالة الفيزيائية لدمج حالات الأجهزة الافتراضية، مما يحسن معدلات النجاح بشكل كبير ويقلل التكاليف في المهام طويلة المدى.
تقدم هذه الورقة W-RAG، وهو إطار عمل للاسترجاع مدرك للمصدر يعالج قيود التصنيف العالمي في قواعد المعرفة المؤسسية غير المتجانسة من خلال توظيف الاسترجاع الموجه بالأنطولوجيا والوزن على مستوى المصدر لتحسين تغطية المستندات وجودة التوليد.
تقدم هذه الورقة البحثية TANGO، وهي بنية نموذج لغوي مبتكرة تستبدل الطبقات الفرعية القياسية لنموذج Transformer بتحديث متبقٍ بوابي عبر الرموز (cross-token gated residual update) لتحقيق أداء فائق في مجموعات البيانات الرياضية والتعليمية، إلى جانب متغيرها ذي التعقيد الخطي WANGO الذي يتفوق على النماذج الحالية ذات الوقت الخطي.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة (LLMs) تعاني من "انهيار استرجاع المعزز بالاسترجاع" (RAG collapse)، وهي ظاهرة تتدهور فيها استجاباتها وتفقد تنوعها عندما تسترجع وتعتمد على محتواها الذي تم إنشاؤه سابقاً، حيث تُظهر التجارب أن 79.6% من عمليات المحاكاة هذه تنتهي بالانهيار بسبب انحياز مفرط في الاستشهاد الذاتي.
تجادل هذه الورقة بأن الكتابة بمساعدة النماذج اللغوية الكبيرة يجب أن تُقيّم بناءً على الجودة العلمية والمسؤولية بدلاً من التعامل معها كمسألة كشف، مستشهدة بتحليل لأكثر من 69,000 ورقة بحثية في مجال المعلوماتية الصحية تربط استخدام الأدوات بتقديم أكثر تركيزاً، واستشهادات أوسع، وتأليفاً موزّعاً عالمياً.
تقدم الورقة البحثية SSE-Bio، وهو وكيل ذاتي التطور مهيكل يستخدم سياسة وسيطة قابلة للتدريب وتحريراً دقيقاً للقوالب لتحسين قرارات الاسترجاع وتعزيز الاستدلال البيولوجي الطبي متعدد الخطوات، متفوقاً بذلك على النماذج المرجعية الحالية في الاختبارات المعيارية الرئيسية.
تقدم هذه الورقة إطاراً متدرجاً لاختبار الإجهاد متعدد العائلات يكشف كيف تتباين استقرارية الاستنتاج ونقاط الفشل في النماذج اللغوية عبر أنواع محددة من الاضطرابات ومستويات شدتها، مما يكشف عن نقاط ضعف حرجة في التعامل مع التعليمات المتضاربة والمقدمات المستحيلة التي تغفلها مقاييس الدقة القياسية.