11158 ورقة بحثية
تقدم هذه الورقة البحثية "معايرة المهام" (task calibration)، وهي نموذج يهدف إلى تحسين عملية فك التشفير في النماذج اللغوية الكبيرة عبر معايرة التوزيعات التنبؤية ضمن فضاء كامن خاص بالمهمة، مما يحقق بشكل مثبت الحد الأدنى من مخاطر بايز (Minimum Bayes Risk) ويعزز جودة التوليد عبر تطبيقات متنوعة.
تُثبت هذه الورقة أن نموذج لغوي كبير محلي من فئة المستهلكين (Qwen3.5 9B)، والمعزز بسلسلة الأفك "Chain-of-Thought" والتعلم بأسلوب القليل من الأمثلة القائم على الخطأ "error-based few-shot prompting"، يمكنه تصنيف امتياز العملية التداولية بموجب الاستثناء الخامس من قانون حرية المعلومات (FOIA Exemption 5) بفعالية تضاهي النماذج التجارية، مع تقديم بديل قابل للتطبيق قانونياً وسياسياً للواجهات البرمجية السحابية.
تقدم هذه الورقة بناء مجموعة البيانات المالية المشروحة (FIAD)، وهي مورد لغوي كوري مستمد من مراجعات تطبيقات الخدمات المصرفية ورسوم بيانية للقواعد المحلية (Local Grammar Graphs)، والتي تُستخدم لتوليد بيانات تدريب مشروحة تعمل على تحسين أداء نماذج فهم اللغة الطبيعية (NLU) المختلفة في أنظمة الحوار لخدمة العملاء المصرفيين بشكل كبير.
يُعدّ MemReread إطار عمل موجَّهًا بالذاكرة يعمل على تعزيز الاستدلال الوكيل طويل السياق عبر تفعيل عمليات تفكيك الأسئلة وإعادة القراءة عندما تكون الذاكرة الأولية غير كافية، مما يؤدي إلى استعادة الأدلة المستبعدة ودعم الاستدلال غير الخطي مع الحفاظ على التعقيد الزمني الخطي.
تقدم هذه الورقة مسار استرجاع معزز عالي الأداء لمهمة فهم المستندات متعددة المجالات باللغة الأوكرانية، والذي يستفيد من التجزئة السياقية، والاسترجاع الكثيف المدرك للسؤال، وإعادة التصنيف المشروط بخيارات الإجابة لتحقيق أعلى درجات في لوحة المتصدرين عبر إعطاء الأولوية للحفاظ على بنية المستند والوعي بفضاء الإجابة على حساب الاستدلالات المعقدة.
يُعد PowerStep مُحسِّناً تكيُّفياً موفراً للذاكرة يحقق التكيف عبر الإحداثيات من خلال الانحدار الشديد لـ -norm دون تخزين إحصائيات العزم الثاني، مما يجعله يطابق سرعة تقارب Adam مع تقليل عبء الذاكرة بشكل كبير لتدريب نماذج Transformer واسعة النطاق.
إنّ Phoenix-VL 1.5 Medium هو نموذج تأسيسي متعدد الوسائط واللغات بطبيعته، يمتلك 123 مليار معلمة، وقد تم تكييفه خصيصاً مع سياق سنغافورة من خلال تدريب مسبق ومواءمة محلية مكثفة، محققاً أداءً هو الأفضل في فئته على المعايير المرجعية الإقليمية مع الحفاظ على التنافسية العالمية في الذكاء العام.
تُعد StereoTales إطار عمل ومجموعة بيانات متعددة اللغات تضم أكثر من 650,000 قصة عبر 10 لغات، والتي تكشف كيف ينتج توليد النماذج اللغوية الكبيرة مفتوحة النهاية صوراً نمطية ضارة ومتكيفة ثقافياً بشكل منهجي بغض النظر عن حجم النموذج، مع إظهار توافق قوي بين الأحكام البشرية والذكاء الاصطناعي بشأن التحيز.
يقدم SlimSpec تمثيلاً بارامترياً منخفض الرتبة لرأس النموذج اللغوي الخاص بالنموذج المسود (drafter)، والذي يضغط التمثيلات الداخلية لتحقيق تسريع يتراوح بين 4 إلى 5 أضعاف، وزيادة في سرعة الأداء النهائي تصل إلى 8-9% مقارنة بالطرق الحالية، مع الحفاظ على دعم المفردات الكامل وتطلب حد أدنى من التعديلات على خط المعالجة.
تقدم هذه الورقة DeepRefine، وهو إطار عمل قائم على التعلم التعزيزي يقوم بتشخيص وتحسين قواعد المعرفة التي يجمعها الوكيل بشكل تكراري للقضاء على عدم الاكتمال، وعدم الصحة، والازدواجية، مما يعزز دقة الاسترجاع وأداء المهام اللاحقة دون الحاجة إلى مراجع معيارية ذهبية.