11158 ورقة بحثية
تضع هذه الورقة حجر أساس متعدد البنيات وقابلاً لإعادة الإنتاج لتحديد الاستعارات على مستوى الرمز (token-level) في اللغة الصينية تحت إطار عمل MIPVU على مجموعة بيانات PSU CMC، مبرهنةً على أن نموذج MelBERT المُكيف للغة الصينية والذي يستخدم موارد المعنى الأساسي يتفوق على كل من الضبط الدقيق لنموذج RoBERTa والنهج التوليدي القائم على Qwen3.5.
تقدم هذه الورقة BoundaryRouter، وهو إطار عمل لا يتطلب تدريباً يعمل على تحسين المقايضة بين زمن الاستجابة والأداء من خلال توجيه الاستعلامات ديناميكياً إما إلى استدلال نماذج لغوية كبيرة خفيفة الوزن أو إلى تنفيذ وكيل كامل بناءً على الخبرة السلوكية المبكرة والاستدلال الموجه بالمعايير، محققاً تحسينات كبيرة في كل من السرعة والدقة مقارنة بالطرق الحالية.
تحدد هذه الورقة ظاهرة "الوادي غير الطبيعي للنص" حيث تُظهر النماذج اللغوية الكبيرة تدهوراً غير رتيب في الأداء في مهام استرجاع المعلومات مع زيادة فساد حدود الكلمات، وهو انخفاض على شكل حرف U ناتج عن انتقال مضطرب بين أنماط المعالجة غير الفعالة على مستوى الكلمة والمستوى الحرفي.
حقق فريق PSK@EEUCA 2026 المركز الرابع في تحدي كشف السمية في لعبة World of Tanks عبر دمج نموذج Llama 3.1 8B مع ضبط دقيق باستخدام تقنية LoRA وتعزيز البيانات الاصطناعية بنسبة 5% للوصول إلى درجة F1-macro بلغت 0.6234، بينما حدد أيضاً "فخ التحقق" الحرج حيث يفشل الأداء العالي في مجموعة التحقق في التعميم على مجموعة الاختبار.
تقدم هذه الورقة إطار عمل "المحلل الوسيط" (proxy-analyzer) الذي يكتشف الهلوسة في النماذج اللغوية الكبيرة من خلال تحليل التنشيطات الداخلية لنماذج ذات أوزان مفتوحة صغيرة ومستضافة محلياً، محققاً أداءً هو الأفضل في فئته عبر بنيات محللة متنوعة مع إثبات أن حجم النموذج الأكبر لا يرتبط بالضرورة بدقة كشف أفضل.
يقدم DiffRetriever طريقة استرجاع لرموز تمثيلية متوازية لنماذج اللغة الانتشارية، حيث يقوم بإلحاق مواضع متعددة محجوبة بالمطالبات وقراءتها في تمريرة ثنائية الاتجاه واحدة، محققاً أداءً وكفاءة فائقين مقارنة بالنهج التتابعي ذاتي الانحدار متعدد الرموز ونماذج الاسترجاع الحالية المضبوطة بالتباين.
تقدم الورقة البحثية ThinC، وهو إطار عمل ينقل استدلال النماذج اللغوية من التداخل بين اللغة الطبيعية والبرمجية إلى نموذج يرتكز على البرمجة حيث يعمل الكود نفسه كمستدل أساسي، محققاً أداءً هو الأفضل في فئته على معايير الرياضيات بمستوى المسابقات من خلال تقطير مسارات الكود وتوظيف الضبط الدقيق الخاضع للإشراف متبوعاً بالتعلم التعزيزي.
تقدم هذه الورقة "التعلم المعزز المتبادل"، وهو إطار عمل يُمكّن النماذج اللغوية غير المتجانسة من تبادل الخبرات النوعية بشكل متزامن عبر طبقة ركيزة مشتركة وطبقة محاذاة للمجزئ، مما يثبت أن نقل النجاح على مستوى النتائج يقدم أفضل توازن بين الاستقرار والدعم مقارنة باستراتيجيات المشاركة على مستوى البيانات أو مستوى القيمة.
تقترح الورقة البحثية "التخطيط بعد التجربة" (PaT)، وهي سياسة تكيفية لتوليد الكود في وقت الاختبار تستدعي المخطط فقط عند فشل التحقق، مما يتيح تكويناً غير متجانس للنماذج يتسم بكفاءة التكلفة ويحسن بشكل كبير المقايضة بين التكلفة والأداء مقارنة بنهج التخطيط الجامد.
تكشف هذه الورقة أن أجهزة التوجيه القياسية من نوع (top-) في نماذج "خليط الخبراء" (Mixture-of-Experts) غالباً ما تخفق في اختيار مسارات الخبراء المثلى للرموز التي تتطلب استدلالاً معقداً، إلا أن تحديثاً طفيفاً لجهاز التوجيه وحده يمكن أن يحسن الأداء بشكل كبير في الاختبارات المعيارية الصعبة عن طريق تصحيح حالات سوء التخصيص هذه دون إعادة تدريب الخبراء.