11158 ورقة بحثية
تقدم الورقة البحثية DeltaPrompts، وهي مجموعة بيانات تضم 200 ألف مسألة استدلال اصطناعية تم إنشاؤها عبر مسار مرحلي يستهدف مطالبات "الفرق الصفري" (zero-delta) حيث يتفق النموذجان المعلم والطالب، مما يؤدي إلى تعظيم إشارات التعلم وتحقيق تحسينات في الأداء بنسبة تصل إلى 15% في الأداء النسبي عبر سيناريوهات التقطير متعددة الوسائط المتنوعة.
تجادل هذه الورقة بأن الهندسة الكامنة وحدها غير كافية لتوليد النصوص غير التكراري، حيث تثبت أن صقل الكوامن المشروط بالمسودة باستخدام كامنات BERT كاملة الأبعاد ومقاييس تقييم مدركة للمفكك يتفوق بشكل كبير على النهج التي تعتمد فقط على المحاذاة الهندسية أو التمثيلات المضغوطة.
تقدم هذه الورقة قياساً شاملاً لشدة أقصى قيم التنشيط عبر ٢٧ من نقاط تفتيش النماذج اللغوية الكبيرة المفتوحة والحديثة، كاشفةً أن القيم الذروية تتباين بما يقرب من أربعة مراتب عشرية اعتماداً على عائلة النموذج وبنيته بدلاً من عدد المعلمات، مع إظهار نماذج خليط الخبراء (MoE) لقمم أقل بكثير من نظيراتها الكثيفة، مما يثبت أن أقصى تنشيط هو خاصية حرجة غير رتيبة يجب الإبلاغ عنها لضمان استقرار التكميم منخفض البت.
تقترح الورقة البحثية "المعايرة بالمكافأة الدلالية" (CSR)، وهو إطار عمل يعمل على تحسين معايرة عدم اليقين في النماذج اللغوية الكبيرة من خلال استبدال درجات الثقة اللفظية غير المتسقة بمكافأة على المستوى الدلالي تشجع على الاتفاق بين المخرجات الصحيحة وتثبط الاتساق الزائف بين المخرجات غير الصحيحة، محققاً بذلك معدلات خطأ أقل بكثير وموثوقية أعلى عبر مختلف المعايير المرجعية.
تقدم الورقة البحثية "تحسين السياسة الموجه بالمتجهات" (Vector-Steered Policy Optimization - VSPO)، وهي طريقة مبتكرة تعدل خوارزمية (GRPO) لاستخدام متجهات التوجيه للتحكم في كثافة السلوك أثناء أخذ عينات التدحرج، مما يؤدي إلى تخفيف اختناقات المكافأة الشحيحة وتسريع تحسين السياسة بشكل مثبت لتحقيق تحكم سلوكي ودقة مهام فائقة عبر معايير استدلال متعددة.
تقدم هذه الورقة نموذج الانتشار بالتقطيع الديناميكي (DCDM)، الذي يستبدل الكتل الموضعية الجامدة بقطع دلالية قابلة للتعلم ومحددة بالمحتوى عبر آلية انتباه تقطيع قابلة للتفاضل لتحسين كفاءة وأداء نماذج اللغة ذات الانتشار المنفصل.
تقدم هذه الورقة البحثية VCG-Bench، وهو معيار موحد ونموذج "المخطط ككود" (Diagram-as-Code) يستخدم لغة mxGraph XML لمعالجة قيود التوليف القائم على البكسل من خلال توفير مجموعة بيانات مصنفة وبروتوكول تقييم مخصص لتقييم نماذج الرؤية واللغة في مهام إنشاء وتعديل المخططات الهيكلية.
تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة الموجهة بأسلوب "التعلم من أمثلة قليلة" (few-shot prompted)، ولا سيما نموذج "Claude Haiku 4.5"، يمكنها التفوق على النماذج المرجعية الخاضعة للإشراف مثل "BioBERT" في توجيه استفسارات المرضى عبر الإنترنت إلى مستويات المتابعة السريرية المناسبة في ظل ظروف شح الموارد، وإن كان تباين أدائها يشير إلى أنها الأنسب لدعم المراجعة البشرية الانتقائية بدلاً من النشر المستقل.
تقترح الورقة البحثية ASRU، وهو إطار عمل للتعلم غير المتعدد الوسائط القابل للتحكم يجمع بين توجيه التنشيط والتعلم المعزز لإزالة المعلومات الحساسة عبر الوسائط بفعالية مع تحسين جودة التوليد بشكل كبير والحفاظ على فائدة النموذج.
تقدم هذه الورقة البحثية SMMBench، وهو معيار مرجعي جديد صُمم لتقييم قدرة الوكلاء متعددي الوسائط على استرجاع ومحاذاة وتكوين الأدلة المبعثرة عبر مصادر متباينة ومنشأة بشكل مستقل، مما يكشف عن معاناة الأنظمة الحالية في امتلاك هذه القدرة الحرجة المتعلقة بالذاكرة الموزعة عبر المصادر.