11158 ورقة بحثية
تقدم الورقة البحثية فك التشفير القائم على الطاقة (EBD)، وهو إطار عمل موجه بالمكافأة ولا يتطلب تدريباً، يوجه النماذج اللغوية مسبقة التدريب والمجمدة نحو سلوكيات موجهة للمهام ويحسن أداءها في الاختبارات المعيارية بشكل كبير دون الحاجة إلى تحديثات للمعلمات أو عمليات تدريب لاحقة مكلفة.
تحدد هذه الورقة أن التعلم المعزز القائم على التحقق والمركز على الصحة القياسي (RLVR) يؤدي إلى توليد أكواد برمجية مكررة، وتقترح نهجًا للتعلم المعزز القائم على التحقق والمركز على الصحة ويكون واعيًا بالتكرار باستخدام مكافآت مضادة للتكرار قائمة على JPlag، مما يحسن بشكل كبير أداء توليد الأكواد البرمجية ضمن الميزانية المحدودة من خلال الحفاظ على حلول مرشحة متنوعة.
تقترح الورقة البحثية VCap، وهي آلية مكافأة جديدة تعتمد على نظام "الشاهد-المُحكّم" تستفيد من دقة بمستوى التوزيع الهيبرجيومتري للتحقق من الاتساق الواقعي بين التعليقات المرجعية والمولدة، مما يتيح تعميماً من الضعيف إلى القوي في التعلم المعزز يسمح لنموذج بحجم 8 مليار بارامتر بالتفوق على أنظمة التعليق البصري الرائدة.
تقدم الورقة البحثية إطار عمل MemCog، وهو إطار "الذاكرة كإدراك" الذي يستبدل الاسترجاع السلبي أحادي الخطوة بنظام نشط متكامل مع الاستنتاج، يتميز برسوم بيانية للذاكرة قابلة للتنقل وبروتوكولات استكشاف استباقية، محققاً أداءً هو الأفضل في فئته (SOTA) في كل من الأسئلة والأجوبة السلبية ومعيار الذاكرة الاستباقية المقترح حديثاً.
تُثبت هذه الورقة أن طرق التفسير اللاحقة الشائعة مثل LIME وSHAP تفشل في تقديم رؤى موثوقة لمصنفات النصوص السريرية من خلال تسليط الضوء على ميلها إلى المبالغة في التأكيد على الرموز غير المعلوماتية، وإنتاج إسنادات غير مستقرة، وتقديم تنبؤات عالية الثقة لمدخلات غير متماسكة، مما يؤكد الحاجة الملحة لاستراتيجيات تفسير قوية وذات مغزى سريري.
يقدم PromptEmbedder إطار عمل جديداً يعتمد على نموذج لغوي كبير مزدوج (dual-LLM) يعمل على فصل معرفة التضمين عن أوزان النموذج الأساسي من خلال التلقين الناعم (soft prompting)، مما يتيح تكييفاً فعالاً لتضمين النصوص غير مرتبط ببنية معمارية محددة ويحقق أداءً يضاهي تقنية LoRA مع تقليل استهلاك الذاكرة ووقت التدريب بشكل كبير.
تقدم الورقة البحثية SilentRetrieval، وهو هجوم تسميم بيانات ثنائي المراحل يختطف أنظمة التوليد المعزز بالاسترجاع (RAG) عبر حقن مستندات عدائية مصاغة بطلاقة تحافظ على تصنيفات استرجاع عالية وتنجح في تلاعب مخرجات النماذج اللغوية الكبيرة مع التهرب من الكشف عبر الحفاظ على التماسك الدلالي.
تقدم هذه الورقة SMILE-Next، وهي مجموعة بيانات شاملة للضحك في العالم الحقيقي، وتقترح إطار عمل لنموذج لغوي كبير متخصص يتميز بآلية "التعليم الذاتي الخاص بالضحك" (Laughter-specific Self-Instruct) وآلية "خليط من خبراء الضحك" (Mixture-of-Laugh-Experts - MoLE) لتحسين اكتشاف وتصنيف واستدلال إشارات الضحك الاجتماعي المعقدة بشكل كبير.
تقدم الورقة البحثية MIRAGE، وهو مسار هجوم مدرك للسياق يقوم بحقن مطالبات عدائية في المحتوى الذي ينشئه المستخدم داخل لقطات شاشة واجهة مستخدم الهاتف المحمول لخداع وكلاء النماذج اللغوية الرؤية، مما يثبت أن جميع الوكلاء الخمسة الذين تم تقييمهم عرضة لهجمات واقعية لا يمكن تمييزها بصرياً بنسب نجاح تتراوح بين 23% و30%.
يُعد LegalGraphRAG إطار عمل متعدد الوكلاء يعزز الاستدلال القانوني الموثوق من خلال توظيف رسم بياني قانوني هرمي لإدارة المعرفة غير المتجانسة ونظام وكلاء تعاوني (باحث، مدقق، ومُحكّم) لضمان أحكام شفافة وقائمة على الأدلة، محققاً أداءً هو الأفضل في فئته مقارنة بالنماذج المرجعية الحالية لتقنية GraphRAG.