11158 ورقة بحثية
تقدم الورقة البحثية KG-prover، وهو إطار عمل مبتكر يعزز النماذج اللغوية الكبيرة للأغراض العامة برسم بياني للمعرفة مستخرج من النصوص الرياضية لتعزيز إثبات النظريات آلياً، مما يظهر مكاسب أداء كبيرة عبر مجموعات بيانات متعددة دون الحاجة إلى ضبط دقيق إضافي.
تقدم هذه الورقة صياغة في لغة Lean 4 لحدود خطأ التعميم القائمة على تعقيد رادماخر وتكامل إنتروبي دودلي، والتي تتميز بمسار تم التحقق منه آلياً بدءاً من الأسس النظرية للقياس وصولاً إلى حدود الانحراف الموحد ذات الاحتمالية العالية وتطبيقاتها على المتنبئات الخطية.
تُثبت هذه الورقة أن تقريب الحلول من خوارزميات استرخاء PCSP القياسية (BLP وAIP وBLP+AIP) لإيجاد شهادات البحث هو بصعوبة أي مسألة من مسائل TFNP، وتُثبت أن تحديد ما إذا كانت قوالب PCSP المنتهية تستوفي هذه الخوارزميات أو شروطاً جبرية معينة من حيث القابلية للتتبع هو أمر غير قابل للتقرير.
تقدم الورقة البحثية MMSI-Bench، وهو معيار مرجعي مليء بالتحديات يضم 1,000 سؤال حول الاستدلال المكاني متعدد الصور يكشف عن فجوة أداء كبيرة بين النماذج اللغوية الكبيرة متعددة الوسائط الحالية والبشر، مع توفير مسار تحليل أخطاء مؤتمت لتشخيص أوضاع فشل محددة وتوجيه الأبحاث المستقبلية.
تقدم هذه الورقة البحثية Agent-X، وهو معيار مرجعي واسع النطاق يضم 828 مهمة واقعية متعددة الوسائط عبر ست بيئات متنوعة وإطار تقييم دقيق على مستوى الخطوات لتقييم الاستدلال العميق في الوكلاء المتمحورين حول الرؤية، مما يكشف أن النماذج الرائدة الحالية تعاني لتحقيق نجاح كامل السلسلة في السيناريوهات المعقدة متعددة الخطوات.
تقدم هذه الورقة سردية موحدة لتطور "شبكة الوكلاء" من عام 1990 إلى عام 2026، محاججةً بأن "هجرة الجهد الدلالي" من تنسيق المنصات إلى توصيف البيانات وأخيرًا إلى تفسير النماذج تحدد ثلاثة أجيال متميزة، مع تقديم إطار مقارن، وتصنيفات للنظم، وتحليل للتقارب المؤسسي الأخير لتحديد التحديات المستمرة والتوجهات المستقبلية للذكاء الاصطناعي الوكيل.
تقدم هذه الورقة ArxivRoll، وهو إطار تقييم ديناميكي مستوحى من تشفير لوحة المرة الواحدة (one-time pad)، يستخدم معياراً آلياً نصف سنوي يتم إنشاؤه من مقالات ArXiv الحديثة لقياس وتخفيف المبالغة في تقدير النماذج اللغوية الكبيرة (LLMs) الناتجة عن تلوث البيانات وتحيز التدريب.
تقدم هذه الورقة البحثية LiveMCP-101، وهو معيار يتكون من 101 استعلاماً من واقع العالم الحقيقي صُمم لاختبار قدرات الوكلاء الممكنين بواسطة بروتوكول MCP عبر إطار تقييم متوازي، مما يكشف أن حتى النماذج اللغوية الكبيرة الرائدة تواجه صعوبة في تنسيق الأدوات متعدد الخطوات والمعقدة، وتحدد سبعة أنماط فشل محددة لتوجيه التحسينات المستقبلية.
تقترح هذه الورقة استراتيجية دفاع استباقي مبتكرة لمصنفات السمية تستفيد من التفسير الآلي لتحديد وتثبيط مكونات الدوائر العصبية الضعيفة، مما يعزز المتانة ضد الهجمات العدائية ويعالج فجوات العدالة عبر المجموعات الديموغرافية المتنوعة في سياق المحتوى الذي تولده النماذج اللغوية الكبيرة.
تقدم هذه الورقة "الخبرة المبكرة"، وهي نموذج حيث تتعلم الوكلاء اللغوية من بيانات تفاعلها الخاصة دون إشارات مكافأة صريحة من خلال نمذجة العالم الضمنية والتأمل الذاتي، مما يظهر فعالية وقدرة أفضل على التعميم مع سد الفجوة بين الضبط الدقيق الخاضع للإشراف والتعلم المعزز.