11555 ورقة بحثية
تقدم الورقة البحثية BioTool، وهي مجموعة بيانات شاملة تتكون من 7,040 زوجًا من الاستعلامات وواجهات برمجة التطبيقات (API) التي تم التحقق منها بشريًا لـ 34 أداة طبية حيوية، والتي عندما تُستخدم لضبط النماذج اللغوية الكبيرة، تعزز بشكل كبير قدراتها على استدعاء الأدوات وجودة الإجابات النهائية، متفوقة حتى على النماذج التجارية المتطورة مثل GPT-5.1.
تقترح هذه الورقة البحثية طريقة التقطير التنافسي المتوافق مع التوزيع (DisAAD)، وهي طريقة تدرب نموذجاً وسيطاً خفيف الوزن لمحاكاة توزيع مخرجات نموذج لغوي كبير (LLM) غير شفاف، وتقدير عدم اليقين عبر تعلم الأدلة، مما يعالج مشكلة الهلوسة بفعالية دون الحاجة إلى الوصول إلى النموذج الداخلي أو عمليات أخذ عينات متعددة ومكلفة.
تقدم الورقة البحثية LeakDojo، وهو إطار عمل قابل للتهيئة لتقييم مخاطر تسرب RAG بشكل منهجي، والذي يكشف أن التسرب مدفوع بمنتج توليد الاستعلام والتعليمات العدائية، ويرتبط بقدرات أقوى على اتباع التعليمات، ويمكن أن يزداد بشكل متناقض مع التحسينات في دقة RAG.
تُظهر هذه الدراسة أن الوعي بالتقييم اللفظي في نماذج الاستدلال الكبيرة له تأثير ضئيل على سلوكها الفعلي عبر اختبارات الأمان والمواءمة والاستدلال، مما يشير إلى أن المعدلات العالية لهذا الوعي لا ينبغي تفسيرها تلقائياً كدليل على التلاعب الاستراتيجي أو التلاعب بالمواءمة.
تقترح هذه الورقة إطار عمل "الجسر السلبي-النشط" (PA-Bridge)، الذي يستفيد من موازن توزيع تنافسي ومجزئ دلالي لسد الفجوة بين التغذية الراجعة للتوصية السلبية وتعبيرات المستخدم النشطة، وبالتالي التغلب على ندرة البيانات وحلقات التغذية الراجعة لتحسين توصيات بدء المحادثة في عمليات البحث المدفوعة بالنماذج اللغوية الكبيرة بشكل كبير.
تقدم الورقة البحثية FLAS، وهي طريقة لتوجيه التنشيط قائمة على التدفق تتعلم حقل سرعة عامًا مشروطًا بالمفهوم لنقل تنشيطات النموذج، وبذلك تتفوق على كل من تقنيات التوجيه الحالية والتلقين داخل السياق في اختبار AxBench من خلال التغلب على الافتراضات المقيدة للمنهجيات السابقة.
تقدم الورقة البحثية LOVER، وهو مُحقِّق غير مُشرف يستفيد من القيود المنطقية على مسارات الاستدلال لاستخراج استدلال قوي من النماذج اللغوية الكبيرة الجاهزة دون الحاجة إلى بيانات مُشرفة مكلفة، محققاً أداءً يضاهي النماذج المرجعية المُشرفة.
تقترح الورقة البحثية TextPro-SLM، وهو نموذج لغوي كبير للكلام يقلل من الفجوة بين الأنماط من خلال معالجة المدخلات الصوتية عبر مشفر موحد يعمل على محاذاة رموز النصوص مع تضمينات العروض (prosody embeddings)، مما يمكّن النموذج من العمل كنموذج لغوي كبير للنصوص مدرك للعروض ويمتلك فهماً قوياً للسمات شبه اللغوية باستخدام 1,000 ساعة فقط من بيانات التدريب.
تقترح الورقة البحثية تقنية تقطير السياسة القريبة (NPD)، وهي إطار عمل غير متزامن يعمل على تسريع تقطير المعرفة القائم على السياسة من خلال فصل عملية التوليد عن التدريب واستخدام تصفية -IFD للتخفيف من تأخيرات السياسة، مما يحقق تسريعاً بمقدار 8.1 ضعفاً وأداءً فائقاً مقارنة بالضبط الدقيق للتعلم الخاضع للإشراف (SFT) القياسي والنماذج الأكبر حجماً.
تقدم هذه الورقة MobileEgo Anywhere، وهو إطار عمل يستفيد من الهواتف الذكية الشائعة لتعميم جمع مجموعات بيانات منظور الشخص الأول واسعة النطاق ومدتها ساعة كاملة مع تتبع الحالة المستمر، مما يعالج ندرة البيانات طويلة المدى اللازمة لتطوير نماذج الرؤية واللغة والعمل (Vision Language Action models).