11611 ورقة بحثية
تحدد هذه الورقة وتُعالج انحياز التجميع في التعلم المعزز من نمط GRPO باستخدام المكافآت القابلة للتحقق عبر اقتراح "التجميع المتوازن"، وهي طريقة تقوم بمتوسط تدرجات مستوى الرمز (token-level gradients) للاستجابات الإيجابية والسلبية بشكل منفصل قبل إعادة دمجها، مما يؤدي إلى تحسين استقرار التدريب والأداء عبر اختبارات الاستدلال والبرمجة.
تقدم هذه الورقة البحثية HERCULES، وهو إطار عمل وتصنيف جديد للبحث عن البنى العصبية (Neural Architecture Search) يوحد الأهداف الجوهرية المتمثلة في كفاءة الأجهزة، والمتانة، والتعلم المستمر لتوجيه تطوير أنظمة الذكاء الاصطناعي القابلة للنشر والتعلم مدى الحياة.
إن TSCG هو مترجم لمخططات الأدوات حتمي وخالٍ من التبعيات، يعمل على تحسين دقة استخدام الأدوات بشكل كبير للنماذج اللغوية الكبيرة الصغيرة والمتقدمة في بيئات الإنتاج عبر تحويل مخططات JSON غير الفعالة إلى نصوص مهيكلة موفرة للرموز (tokens)، مما يؤدي إلى حل مشكلة عدم تطابق التنسيق التي تتسبب حالياً في غالبية أخطاء استخدام الأدوات.
تجادل ورقة الموقف هذه بأن الانهيار النموذجي، الناجم عن تدريب الذكاء الاصطنا التوليدي على مخرجاته الخاصة، يهدد بدمقرطة الذكاء الاصطناعي من خلال تدهور جودة البيانات وكفاءتها، مما يلحق ضرراً غير متناسب بالمجتمعات ذات الموارد المنخفضة والمهمشة عبر تعزيز التحيزات الثقافية والتكاليف البيئية.
يقدم هذا العمل فحصاً بيبليومترياً يظهر أن التقييمات الأكاديمية لقدرات الذكاء الاصطناعي تتخلف بشكل منهجي عن الحالة الراهنة لأحدث ما توصل إليه العلم بأكثر من عقد من الزمان، وهي فجوة تتسع بسبب تأخيرات النشر وتتفاقم بسبب التضليل الواسع النطاق لتكوينات النماذج، وكذلك بسبب الادعاءات شديدة التعميم حول "الذكاء الاصطناعي" بدلاً من الأنظمة التي تم تقييمها تحديداً.
تقدم هذه الورقة نهجاً يعتمد على وحدة المعالجة المركزية (CPU) ويكون فعالاً من الناحية الحسابية للكشف عن الكود المولد بواسطة النماذج اللغوية الكبيرة في SemEval-2026 المهمة 13 الفرع أ، والذي يجمع بين الميزات القائمة على النسب المتينة تجاه الطول، وأدوات التحليل، ومصنف "الكود مقابل النص" باستخدام شجرة قرار ضحلة وقواعد استدلالية لتحقيق استدلال شبه فوري دون الاعتماد على نماذج مدربة مسبقاً ضخمة.
تُثبت هذه الورقة تجريبياً أنه في حين تعمل النماذج المتكيفة مع المجال على التخفيف من التحيز المعياري في مراقبة الصراعات في غرب أفريقيا، إلا أن النماذج اللغوية الكبيرة الحالية تظل غير صالحة للنشر غير الخاضع للإشراف بسبب تحيزات الاختيار المستمرة القائمة على الفاعلين، والهشاشة الجغرافية تجاه التأطير اللفظي، وتخيلات التعليل غير المخلصة.
تقدم هذه الورقة MedFabric، وهو مسار قائم على البيانات لتوليد تزييفات طبية واقعية على مستوى الكلمات، وETHER، وهو كاشف معياري يستفيد من هذه المجموعة من البيانات ليتفوق بشكل كبير على الأساليب الحالية الرائدة في تحديد الانحرافات الواقعية الدقيقة ضمن مخرجات النماذج اللغوية الكبيرة الطبية.
تقدم هذه الورقة البحثية "نسانكو" (Nsanku)، وهو معيار شامل لتقييم أداء الترجمة من نوع "التعلم الصفري" لـ 19 نموذجاً من نماذج اللغات الكبيرة عبر 43 لغة غانية، كاشفةً أنه في حين تحقق النماذج الرائدة مثل "Gemini-2.5-flash" درجات متوسطة، إلا أنه لا يوجد نموذج حالي يُظهر في آن واحد أداءً عالياً واتساقاً، مما يشير إلى أنها ليست جاهزة بعد للاستخدام الموثوق في الترجمة واسعة النطاق لهذه اللغات.
تقدم هذه الورقة Jordan-RoPE، وهو ترميز موضعي نسبي غير بسيط (non-semisimple) يستفيد من كتل جوردان المعقدة لتوليد سمات تذبذبية-متعددة الحدود لنمذجة التفاعلات الطورية المعدلة بالمسافة، مما يظهر مزايا هيكلية ومكاسب أداء محددة على خطوط الأساس القياسية لـ RoPE وALiBi في سياقات معينة.