11158 ورقة بحثية
يُعد TextSeal نظاماً متطوراً لعلامات مائية لنماذج اللغات الكبيرة (LLM) خالياً من التشوه، يضمن كشفاً قوياً للمصدر وحمايةً من التقطير من خلال توليد مفاتيح مزدوجة وتحديد المواقع في مناطق متعددة، كل ذلك مع الحفاظ على جودة المخرجات ودعم تحسينات الخدمة دون أي عبء إضافي على عملية الاستدلال.
تقدم الورقة البحثية "نماذج الجذب" (Attractor Models)، وهي بنية معمارية مبتكرة تستخدم التفاضل الضمني لإيجاد النقاط الثابتة في التمثيلات الكامنة، مما يتيح صقلاً تكرارياً مستقراً وتكيفياً يحقق أداءً فائقاً في نمذجة اللغة والاستدلال بتكاليف حوسبة أقل، مع القدرة الفريدة على استيعاب حالات التوازن من أجل استنتاج فعال.
يُعد KV-Fold بروتوكول استدلال بسيط للسياقات الطويلة لا يتطلب تدريباً، حيث يعامل ذاكرة التخزين المؤقت لـ KV كمتراكم طي يساري (left-fold accumulator) لتمكين معالجة تسلسلية مستقرة وفعالة من حيث الذاكرة عبر السلاسل العميقة دون الحاجة إلى إعادة تدريب النموذج أو تغييرات هيكلية.
تكشف هذه الورقة عن اقتران هندسي جوهري بين الموجهات (routers) والخبراء (experts) في نماذج خليط الخبراء المتناثرة (Sparse Mixture-of-Experts)، حيث تراكم الاتجاهات المتطابقة تواريخ الرموز المشتركة، مما يوضح أن هذا الاقتران يتعرض للاختلال بسبب خسائر موازنة الأحمال المساعدة، ولكن يمكن محاكاته بفعالية بواسطة موجه "K-Means" خالي من المعلمات لتحقيق موازنة أحمال متفوقة.
يكشف معيار MEME أن الوكلاء الحاليين القائمين على النماذج اللغوية الكبيرة، رغم امتلاكهم لاسترجاع ثابت كافٍ، يفشلون جوهرياً في مهام الاستدلال بالاعتماد على تعدد الكيانات مثل التحديثات المتتالية، والغياب، والحذف، مع بقاء الحلول العملية مستعصية بسبب التكاليف الباهظة.
تقدم هذه الورقة LongMemEval-V2، وهو معيار شامل مصمم لتقييم ذاكرة الوكيل طويلة المدى لبيئات الويب المتخصصة من خلال 451 سؤالاً منسقاً ومسارات تاريخية واسعة، مما يثبت أن نهج وكيل البرمجة القائم على الملفات (AgentRunfile-C) يتفوق بشكل كبير على خطوط الأساس الخاصة بالاسترجاع المعزز بالتوليد (RAG) في الدقة مع تسليط الضوء على المقايضة المستمرة بين الأداء وزمن الاستج</strong>
تقدم هذه الورقة "Anthology"، وهي طريقة تُهيئ النماذج اللغوية الكبيرة بناءً على سرديات حياتية مفتوحة (قصص خلفية) لإنشاء شخصيات افتراضية، مما يُظهر تحسينات ملحوظة في مطابقة توزيعات الاستجابة البشرية والاتساق التجريبي عبر ثلاثة مسوحات ممثلة وطنياً.
تقترح هذه الورقة نموذجاً إحصائياً هرمياً يستفيد من توليدات متعددة لمعالجة تباين أخذ العينات في تقييم النماذج اللغوية الكبيرة، مما يؤدي إلى تحسين دقة الدرجات، وتمكين تحليل دقيق لصعوبة مستوى المطالبة، وتسهيل ضبط جودة المعايير من خلال تصور البيانات.
تتقصى هذه الورقة تحديات صياغة الأوامر (prompting) من خلال تأطيرها كعملية بحث عن تسلسلات التكييف المثلى في متنبئات التسلسل، كاشفةً من خلال تجارب منضبطة وتحليل للنماذج الرائدة أن الأوامر المثلى غالباً ما تكون غير بديهية، ويصعب تحديدها حتى مع البحث الشامل، وغالباً ما تكون دون المستوى الأمثل عند استخدام الطرق القياسية القائمة على الأمثلة.
تقدم هذه الورقة LLM-FE، وهو إطار عمل مبتكر يجمع بين البحث التطوري والنماذج اللغوية الكبيرة لاكتشاف برامج تحويل الميزات الفعالة للبيانات الجدولية بشكل تكراري، متفوقاً بذلك على أساليب هندسة الميزات المؤتمتة الحالية من خلال الاستفادة بشكل أفضل من المعرفة بالمجال والتغذية الراجعة المستندة إلى البيانات.