11611 ورقة بحثية
يُعد AgentEval إطار عمل يعمل على صياغة سير العمل الوكيل (agentic workflows) في شكل رسوم بيانية موجهة غير حلقية (DAGs) لتمكين التقييم المنظم على مستوى الخطوات وعزو الأسباب الجذرية آلياً، مما يتفوق بشكل كبير على الطرق الشاملة (end-to-end) في استدعاء اكتشاف الفشل وتقليل وقت تصحيح الأخطاء في بيئات الإنتاج.
يُعد ComplianceNLP نظاماً متكاملاً يستخدم مسار استرجاع معززاً بالمعرفة (RAG) مدعوماً برسم بياني للمعرفة واستخراج الالتزامات متعدد المهام لأتمتة المراقبة التنظيمية وكشف الفجوات، متفوقاً بذلك على GPT-4o مع زيادة كفاءة المحللين بشكل كبير في عمليات النشر المالي الواقعية.
يُعد Talker-T2AV إطار عمل انتشار ذاتي الانحدار لتوليد الصوت والفيديو بشكل مشترك، وهو يحقق تماسكاً وكفاءة فائقتين عبر الوسائط من خلال استخدام عمود فقري مشترك للاستدلال الدلالي عالي المستوى وفك تشفير خاص بكل وسيط للتحسين منخفض المستوى.
تُعد FinGround عبارة عن مسار عمل ثلاثي المراحل من نوع "التحقق ثم التثبيت" مصمم لتقليل الهلوسة المالية في النماذج اللغوية الكبيرة عبر تفكيك الإجابات إلى ادعاءات ذرية، وتطبيق استراتيجيات تحقق متخصصة (بما في ذلك إعادة الحساب الحسابي)، وتقديم استشهادات دقيقة، مما يحقق في النهاية انخفاضاً بنسبة 78% في الأخطاء مقارنة بـ GPT-4o.
تُعد XITE تقنية مبتكرة لتعزيز البيانات قائمة على التضمين، تعمل على تحسين النقل عبر اللغات في النماذج اللغوية متعددة اللغات من خلال تحديد النظراء باللغة الإنجليزية للنصوص المستهدفة ذات الموارد المنخفضة وإجراء تركيب تضمين استيفائي، وهو ما يمكن تعزيزه بواسطة التحليل التمييزي الخطي (LDA) لإسقاط النص في فضاء فرعي غني لغوياً.
تتقصى هذه الدراسة كيف يؤثر تكييف الشخصية على التحيز الجنسي في السرديات التي تولدها النماذج اللغوية الكبيرة عبر اللغتين الإنجليزية والهندية، حيث وجدت أن سمات الشخصية — ولا سيما تلك المستمدة من "الثالوث المظلم" — تؤثر بشكل كبير على حجم واتجاه الصور النمطية الجنسانية في السياقات المهنية.
يُعد GraphPlanner موجهاً وكيلًا ذا ذاكرة معززة بالرسوم البيانية غير المتجانسة، يصيغ توليد سير عمل النماذج اللغوية الكبيرة متعددة الوكلاء كعملية قرار ماركوف مُحسّنة عبر التعلم التعزيزي، مما يحسن دقة المهام والكفاءة الحسابية بشكل كبير مع دعم التعميم القوي والاستخدام التكيفي للذاكرة.
تقدم هذه الورقة أول متن لغوي لتصحيح الأخطاء النحوية (GEC) للغة الرومانية، وتثبت أن التدريب المسبق لنموذج "ترانسفورمر" ضخم على بيانات مُولدة اصطناعياً يحسن الأداء بشكل كبير في هذا السياق منخفض الموارد.
تقدم هذه الورقة البحثية "T"، وهو إطار عمل مبتكر يقيم الصحة الدلالية للنظريات الرسمية المولدة بواسطة الذكاء الاصطناعي من خلال التحقق مما إذا كانت النظريات اللاحقة المعتمدة تنجح في عملية التجميع، مما يكشف عن فجوة كبيرة في قدرات نماذج اللغات الكبيرة الحالية في توليد النظريات مقارنة بطرق التقييم المعجمية أو اليدوية التقليدية.
تقترح الورقة البحثية HeadRouter، وهو أسلوب لتقليم الرموز (token pruning) متكيف مع المهام وخالٍ من التدريب، يقوم بتوجيه الرموز الصوتية ديناميكيًا بناءً على الأهمية المتميزة لرؤوس الانتباه عبر المهام المختلفة، محققًا أداء ضغط هو الأفضل في فئته يتجاوز حتى دقة النموذج الأصلي في معايم رئيسية.