11535 ورقة بحثية
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.
تقدم هذه الورقة LogiHard، وهو إطار عمل رسمي يحول مهام الاختيار البسيطة إلى أحكام منطقية معقدة عبر التصلب التوافقي والاختبار التكيفي، كاشفاً أن النماذج اللغوية الكبيرة الرائدة تعاني من تدهور كبير في الدقة بسبب فجوة استدلال توافقي ناتجة عن التدريب وليس بسبب نقص في المعرفة.
تقدم الورقة البحثية MIPIAD، وهو إطار دفاعي متعدد اللغات ضد هجمات حقن الأوامر غير المباشرة يجمع بين مصنف Qwen2.5 مضبوط بدقة باستخدام تقنية LoRA مع ميزات TF-IDF وتعلم التجميع الميتا (meta-ensemble learning) لتحقيق دقة كشف عالية وتقليل فجوات الأداء عبر اللغات في الإنجليزية والبنجالية.
تحدد هذه الورقة التعقيد الحسابي دقيق التفاصيل لمطابقة التعبيرات المنتظمة مع المراجع الخلفية من خلال إثبات الحدود الدنيا المشروطة تحت افتراضات SETH واكتشاف المثلث، بينما تقدم خوارزمية محسنة بقدر للمراجع الخلفية ذات الاستخدام الواحد.
تقدم الورقة البحثية MedAction، وهو مسار تقطير ذو بنية شجرية يولد مسارات تشخيص سريري متعددة الأدوار عالية الجودة باستخدام مقاييس مرتكزة على الرسوم البيانية للمعرفة لمعالجة أوجه القصور في النماذج اللغوية الكبيرة الحالية في التشخيص النشط، مما أدى إلى إنتاج مجموعة بيانات MedAction-32K ونماذج طبية مفتوحة المصدر ذات أداء فائق.