11158 ورقة بحثية
يقدم DirectorBench معياراً تشخيصياً متعدد الوكلاء مخصصاً يقيم توليد الفيديو طويل المدى عبر خمسة أبعاد وعدة ملفات تعريف للمستخدمين لتحديد إخفاقات سير العمل بدقة والمواءمة بشكل وثيق مع التقدير البشري مقارنة بطرق التقييم الإجمالية التقليدية.
تقدم الورقة البحثية SEAL، وهو بروتوكول تقييم ذاتي التحسين يستخدم نموذج لغوي كبير كـ "حكم ميتا" (LLM-as-a-Meta-Judge) مع آلية الاستبعاد المعتمدة على البذور وقوائم التحقق التكيفية لإحياء المعايوهات المرجعية المشبعة عبر استخراج إشارات التصنيف الكامنة بدقة أعلى وزمن انتقال أقل بكثير من عملية الحكم الثنائي الكاملة.
تقدم هذه الورقة HEALTHDIAL، وهي مجموعة بيانات حوارية صوتية ضخمة متعددة اللغات والمتوازيات تضم 6,000 محادثة بحث عن المعلومات مستندة إلى معايير منظمة الصحة العالمية باللغات العربية والصينية والإنجليزية والإسبانية، صُممت لدعم تطوير وتقييم أنظمة التوليد المعزز بالاسترجاع مع تسليط الضوء على تفاوتات الأداء الحالية عبر اللغات.
تقترح هذه الورقة البحثية "اختيار الإجماع السريري" (CCS)، وهو إطار عمل للاستدلال في وقت التشغيل غير مرتبط بفك التشفيد، يعمل على تحسين توليد تقارير الأشعة من خلال أخذ عينات لعدة مرشحين واختيار المرشح الذي يحقق أعلى إجماع سريري، مستفيداً من مقياس فائدة جديد مرتبط بالصورة ليتفوق على فك التشفيد القياسي أحادي المسار ونماذج "الأفضل من N" العامة.
تقترح هذه الورقة استبدال الممارسة غير الفعالة المتمثلة في تحويل أحداث نشاط المستخدم المهيكلة إلى نصوص لاتخاذ القرار القائم على النماذج اللغوية الكبيرة، بنموذج تعلم رسوم بيانية زمنية خفيف الوزن يعمل على الجهاز ويعالج تحديثات الرسوم البيانية مباشرةً لتفعيل وكلاء استباقيين، مما يحقق دقة أعلى بكثير، وسرعات استدلال أسرع، وبصمة ذاكرة أصغر.
تُثبت هذه الورقة أن مُلحقات "LoRA" يمكن استهدافها بفعالية عبر "أبواب خلفية" من خلال تسميم البيانات لإنشاء هجمات تعميم على مستوى الرمز (token) تتجنب الكشف الهيكلي، بينما تقترح طرق كشف قوية على مستوى السلوك والأوزان لتحديد هذه الملحقات المخترقة في سلاسل التوريد.
تكشف هذه الورقة أن النماذج اللغوية الكبيرة تخفق في تتبع حالات الكيانات بشكل تراكمي عبر العمليات المتتالية، حيث تعتمد بدلاً من ذلك على استراتيجية غير تسلسلية تجمع المعلومات عند رمز الاستعلام وتستخدم آلية كبت عالمية هشة لعمليات الإزالة، مما يؤدي إلى أنماط فشل يمكن التنبؤ بها والتي يمكن التخفيف من حدتها جزئياً من خلال التدخل الميكانيكي.
تقدم الورقة البحثية CommunityFact، وهو معيار مرجعي ديناميكي، متعدد اللغات، ومتعدد المجالات للكشف عن المعلومات المضللة يقيم النماذج اللغوية الكبيرة في بيئات واقعية، كاشفةً أنه بينما يحسن الوصول إلى الويب الأداء بشكل كبير، فإن النماذج الحالية تظهر سياسات اختيار مصادر غير متوافقة مقارنة بالمقيمين البشريين، وتسلط الضوء على "ملاحظات المجتمع" (Community Notes) كإشارة تدريب محتملة لأنظمة التحقق المستقبلية.
تقترح الورقة البحثية إطار عمل PPC (التخطيط المسبق-التخطيط-سلسلة الأفكار)، وهو إطار عمل مبتكر يقدم مرحلة "تخطيط مسبق" صريحة لتوضيح أنواع المشكلات والأدوات قبل عملية التخطيط، مما يعزز بشكل كبير أداء النماذج اللغوية الكبيرة في الاستدلال الرياضي عبر معايير متعددة دون إضافة عبء على وقت الاستنتاج.
تقدم هذه الورقة البحثية VideoFDB، وهو أول معيار مرجعي مُصمم لتقييم وكلاء المحادثة السمعية البصرية ثنائيي الاتجاه (full-duplex) من خلال تحليل التفاعلات الثنائية في العالم الحقيقي، كاشفةً أن الأنظمة الحالية تفشل في دمج الإشارات البصرية المتدفقة بفعالية من أجل التواصل غير اللفظي الطبيعي رغم قدرتها على التعامل مع الأسئلة البصرية الصريحة.