11070 ورقة بحثية
تقترح هذه الورقة إطار عمل الاستدلال غير المنحاز مع القياسات المتعددة غير المثالية (DMM)، والذي يتيح إجراء استدلال إحصائي صالح للبيانات المولدة بواسطة الذكاء الاصطناعي دون الحاجة إلى تسميات مرجعية قياسية، وذلك من خلال الجمع بين قياسات متعددة للذكاء الاصطناعي عرضة للخطأ تحت فرضية الاستقلال الشرطي.
تقترح هذه الورقة إطار عمل للملاحظة القائم على الادعاءات للوكلاء العلميين المستقلين، والذي يعامل الادعاءات العلمية كقطع أثرية من الدرجة الأولى ذات روابط أدلة وسلالة صريحة، مما يعالج أوجه القصور في أدوات التسجيل الحالية في تدقيق إخفاقات الأنظمة الموزعة.
تقترح هذه الورقة البحثية \algname، وهو إطار عمل موحد للتكيف في وقت الاختبار (Test-Time Adaptation) للنماذج الرؤية-اللغوية، يقوم بالربط بين الاستدلال والتكيف من خلال صياغة التصنيف صفري القدرة (zero-shot classification) كمسألة نقل أمثل من نوع واسرستاين (Wasserstein Optimal Transport) لتوليد تسميات مستعارة (pseudo-labels) قوية، والتي تُستخدم لاحقاً في فقد تباين (Info-NCE contrastive loss) متوافق نظرياً لتحقيق أداء رائد (state-of-the-art) تحت ظروف تغير التوزيع.
تتقصى هذه الورقة ما إذا كان الضبط الدقيق على البيانات الثقافية يعزز فهم اللغة المجازية في النماذج اللغوية الكبيرة، حيث وجدت أنه بينما يحسن التدريب على الشعر استيعاب الاصطلاحات بطريقة قابلة للنقل، فإن الضبط الدقيق الثقافي غالبًا ما يؤدي إلى تدهور تفسير الأمثال ويكشف عن علاقة معقدة وغير خطية بين الانغماس الثقافي واكتساب اللغة المجازية لا يمكن استيعابها ببساطة من خلال الضبط الدقيق وحده.
تُظهر هذه الدراسة أن الدمج متعدد الوسائط لنماذج اللغات الكبيرة ذات التعلم الصفري (وتحديداً Gemini 2.5 Flash) مع نماذج صوتية وبصرية مدربة مسبقاً (Hubert و V-JEPA) يُقدر بفعالية مستوى الألفة المقيم من قبل طرف ثالث في بيئات التفاعل بين الإنسان والروبوت الواقعية، متفوقاً بذلك على النماذج الفردية ومسلطاً الضوء على ضرورة مراعاة التباين السياقي مثل مدة التفاعل وحجم المجموعة.
تقدم هذه الورقة أول دراسة منهجية لتقسيم كلمات لغة تانغوت في ظل ندرة شديدة في الموارد، حيث تقدم إطار عمل هجين يدمج البيانات المشروحة من قبل الخبراء، والمعاجم التقليدية، والنصوص غير المصنفة لتحقيق درجة F1 تبلغ 0.911 وإثبات قدرة قوية على التعميم تتجاوز المفردات الخاضعة للإشراف المحدودة.
يُعد OmniAlign نموذجاً لغوياً موحداً وخفيف الوزن، يحقق في آن واحد أداءً فائقاً في كل من المحاذاة على مستوى الكلمات والمحاذاة على مستوى الجمل عبر لغات وأطوال نصوص متنوعة، وذلك من خلال مسار تدريب متخصص يتكون من أربع مراحل.
تقدم هذه الورقة دراسة تجريبية للمستخدم توضح أن لغة التصور الوظيفي + تدفق البيانات (FDF) وتطبيقها في برنامج DesCartes Builder يعززان بفعالية من إمكانية الوصول والموثوقية لتطوير التوأم الرقمي القائم على الذكاء الاصطناعي لخبراء المجال، مع تحفيز اقتراح امتداد هرمي (H-FDF) لدعم المسارات الأكثر تعقيداً وتكراراً.
تُعد WhiteMatter بنية "ترانسفورمر" (Transformer) مبتكرة تعزز الأداء وتخفض بصمة الذاكرة عبر توظيف موجه لخلط حالات الرموز (token states) لجميع الطبقات في مجموعة مضغوطة من قنوات (KV)، مما يتيح اتصالات "الكل إلى الكل" (all-to-all) عابرة للطبقات، تكون ديناميكية ومتكيفة مع الرموز أثناء فك التشفير ذاتي الانحدار.
من خلال تحليل ٢٩ لغة عبر خمس عائلات من النماذج، تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة متعددة اللغات تستخدم دوائر حوسبية مشتركة جزئياً لاتفاق المبتدأ والخبر، مع ازدياد درجة التداخل عبر اللغات في اللغات التي تعبر صراحة عن التصريف الصرفي.