11535 ورقة بحثية
يُعد GazeVLM نموذجاً متعدد الوسائط بـ 4 مليارات معلمة، يعزز الاستدلال عالي الدقة من خلال استيعاب التحكم الميتا-معرفي لتوليد رموز التحديق ديناميكياً، مما يمكّن النموذج من محاكاة الانتباه البؤري النشط ذاتياً وكبح الميزات المرئية غير ذات الصلة دون الاعتماد على أدوات قص خارجية أو نوافذ سياق متضخمة.
تقدم هذه الورقة البحثية SCENE، وهو معيار مصمم لتقييم قدرة الوكلاء القائمين على النماذج اللغوية الكبيرة على التعرف على الأعراف الاجتماعية الضمنية والتكيف مع العقوبات الجماعية في الدردشات متعددة الأطراف، مما يكشف أن النماذج المتقدمة مثل Claude Opus 4.7 وGemini 3.1 Pro تتفوق بشكل كبير على النماذج ذات الأوزان المفتوحة في هذه التفاعلات الاجتماعية الديناميكية.
تقدم هذه الورقة طريقة لقياس الفجوة التوزيعية بين سلوكيات المستخدمين الحقيقية والمحاكية، مما يكشف عن تباينات كبيرة عبر مختلف محاكيات النماذج اللغوية الكبيرة، وتُظهر أن الجمع بين النماذج المتكاملة سلوكيًا يمكن أن يحسن من تقريب تنوع المستخدمين الحقيقيين.
تقدم الورقة البحثية MatryoshkaLoRA، وهو إطار تدريب مبتكر يعزز الضبط الدقيق كفء المعلمات من خلال إدراج مصفوفة قياس قطرية ثابتة لتعلم تمثيلات منخفضة الرتبة هرمية ودقيقة، مما يتيح اختيار الرتبة ديناميكيًا مع تحقيق توازنات متفوقة بين الدقة والأداء مقارنة بالطرق الحالية.
تقترح الورقة البحثية vOPD، وهي طريقة تقطير مستقرة تعتمد على السياسة (On-Policy)، تعمل على تقليل تباين التدريب من خلال الاستفادة من تباين عكسي لـ KL لكل رمز (token) بصيغة مغلقة كمتغير تحكم مرجعي (control variate baseline)، محققةً أداءً يضاهي المراجع المرجعية باهظة التكلفة ذات المفردات الكاملة دون عبء إضافي عند الاستنتاج.
تقترح هذه الورقة طريقة LANCE، التي توظف الاستدلال التبايني لتعزيز الملصقات من أجل التنبؤ بتوزيعات الرفض دقيقة التفاصيل، مما يمكّن النماذج اللغوية الكبيرة من توليد استجابات آمنة وطبيعية تتجنب الرفض الصارم مع الحفاظ على معايير أمنية عالية.
تقدم هذه الورقة البحثية طريقة "مطابقة التدفق المنفصل الموجه بالمسار" (TS-DFM)، وهي طريقة تقطير تستبدل القفزات العشوائية العمياء في مسارات النموذج المعلم بالملاحة الموجهة بالطاقة أثناء التدريب، مما يمكّن نموذج الطالب ذو الخطوات القليلة من تحقيق حيرة (perplexity) أقل بكثير وسرعة استدلال أكبر من النماذج المعلمة متعددة الخطوات والنماذج المرجعية الأكبر حجماً.
تقدم هذه الورقة نموذج لغة الانتشار الكامن (LDLM)، الذي يدرب بشكل مشترك مشفرًا كامنًا، ونموذج انتشار، وفك تشفير لإنشاء فضاء كامن مستمر عالي الجودة، محققًا أداءً فائقًا في توليد النصوص وسرعات استدلال أسرع بكثير مقارنة بنماذج الانتشار المنفصلة والمستمرة الحالية.
تقدم هذه الورقة إطار عمل للحقن القسري لإثبات أن التوقيت الأمثل لاستيضاح الوكيل الذكي يعتمد على المهمة، وتحديداً أن استيضاح الهدف يجب أن يحدث خلال أول 10% من التنفيذ بينما يظل استيضاح المدخلات ذا قيمة حتى 50%، مما يكشف عن فشل النماذج الرائدة الحالية في السؤال عند هذه النوافذ الحرجة المحددة تجريبياً.
يُعد GLiGuard مشفرًا ثنائي الاتجاه مدمجًا بـ 0.3 مليار معلمة ومشروطًا بالمخطط، ويحقق دقة تنافسية في تصنيف السلامة مع زمن انتقال أقل بكثير وإنتاجية أعلى من نماذج الحماية التوليدية الكبيرة عبر ترميز تعريفات المهام ودلالات التسميات مباشرة في المدخلات للتقييم المتزامن لمتعدد الجوانب.