cs.CL ورقة بحثية

Contextual Linear Activation Steering of Language Models

تقدم هذه الورقة البحثية "توجيه التنشيط الخطي السياقي" (CLAS)، وهو أسلوب يعمل على تكييف قوة التوجيه ديناميكيًا مع سياق المدخلات، متفوقًا بذلك على توجيه التنشيط الخطي القياسي ومطابقًا أو متجاوزًا أداء كل من ReFT وLoRA عبر العديد من المعايير وعائلات النماذج مع بيانات مصنفة محدودة.

Brandon Hsu, Daniel Beaglehole, Adityanarayanan Radhakrishnan, Mikhail Belkin2026-04-28

💻 computer science

The Chameleon's Limit: Investigating Persona Collapse and Homogenization in Large Language Models

تحدد هذه الورقة وتُحدد كمياً ظاهرة "انهيار الشخصية" (Persona Collapse)، وهي نمط فشل واسع الانتشار حيث تتقارب النماذج اللغوية الكبيرة المخصصة لملفات تعريفية متميزة نحو سلوكيات متجانسة مدفوعة بالصور النمطية، مما يكشف عن مقايضة غير متوقعة حيث تنتج النماذج ذات أعلى درجات الدقة في تمثيل الشخصية الفردية أقل قدر من التنوع في المجموعات السكانية المحاكية.

Yunze Xiao, Vivienne J. Zhang, Chenghao Yang, Ningshan Ma, Weihao Xuan, Jen-tse Huang2026-04-28

💻 computer science

Green Shielding: A User-Centric Approach Towards Trustworthy AI

تقدم هذه الورقة "الدرع الأخضر" (Green Shielding)، وهو إطار عمل متمحور حول المستخدم يستخدم معايير CUE ومعيار HealthCareMagic-Diagnosis لبيان كيف تؤدي التباينات الروتينية غير العدائية في مطالبات المستخدمين إلى إزاحة مخرجات النماذج اللغوية الكبيرة بشكل منهجي في التشخيص الطبي، مما يكشف عن مقايضات حرجة بين معقولية المخرجات والتغطية ذات الأهمية الحرجة للسلامة لتوجيه النشر الموثوق للذكاء الاصطناعي.

Aaron J. Li, Nicolas Sanchez, Hao Huang, Ruijiang Dong, Jaskaran Bains, Katrin Jaradeh, Zhen Xiang, Bo Li, Feng Liu, Aar (…)2026-04-28

💻 computer science

Case-Specific Rubrics for Clinical AI Evaluation: Methodology, Validation, and LLM-Clinician Agreement Across 823 Encounters

تقدم هذه الورقة منهجية معايير تقييمية خاصة بالحالات ومؤلفة من قبل أطباء لتقييم أنظمة الذكاء الاصطناعي السريري عبر 823 حالة، مما يثبت أنه في حين تضع المعايير الخبيرة خط أساس عالي الجودة، يمكن للمعايير المولدة بواسطة النماذج اللغوية الكبيرة تحقيق توافق مماثل بتكلفة أقل بنحو 1,000 مرة، مما يتيح نشرًا متكررًا للذكاء الاصطناعي يتسم بالقابلية للتوسع والجدوى الاقتصادية.

Aaryan Shah, Andrew Hines, Alexia Downs, Denis Bajet, Paulius Mui, Fabiano Araujo, Laura Offutt, Aida Rutledge, Elizabet (…)2026-04-28

💻 computer science

Sentiment and Emotion Classification of Indonesian E-Commerce Reviews via Multi-Task BiLSTM and AutoML Benchmarking

تقدم هذه الورقة مساراً ثنائي المسار لتصنيف المشاعر والعواطف لمراجعات التجارة الإلكترونية الإندونيسية باستخدام مجموعة بيانات PRDECT-ID، حيث تقارن بين نهج PyCaret AutoML وشبكة BiLSTM مخصصة تدمج معالجة مسبقة متخصصة للغة العامية وتحقق نتائج قياسية تم نشرها عبر تطبيقات Gradio.

Hermawan Manurung, Ibrahim Al-Kahfi, Ahmad Rizqi, Martin Clinton Tosima Manullang2026-04-28

💬 NLP

PL-MTEB: Polish Massive Text Embedding Benchmark

تقدم الورقة البحثية PL-MTEB، وهو معيار شامل يتكون من 30 مهمة متنوعة في معالجة اللغات الطبيعية صُممت لتقييم أداء نماذج تضمين النصوص باللغة البولندية ومتعددة اللغات.

Rafał Poświata, Sławomir Dadas, Michał Perełkiewicz2026-04-27

💰 quantitative finance

Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation

تقترح هذه الورقة إطار عمل مبتكر يدمج بين شبكات الخصومة التوليدية السببية (Causal GANs) وتعلم التعزيز بآلية الممثل-الناقد الناعم (Soft Actor-Critic) لتوليد بيانات عوائد سندات اصطناعية عالية الدقة، والتي تتم معالجتها لاحقاً بواسطة نموذج لغوي كبير (LLM) مضبوط بدقة لإنتاج إشارات تداول وتقييمات مخاطر قابلة للتنفيذ، مما يحقق دقة تنبؤ وربحية فائقتين.

Jaskaran Singh Walia, Aarush Sinha, Naman Saraswat, Srinitish Srinivasan, Srihari Unnikrishnan2026-04-27

💬 NLP

Intrinsic Fingerprint of LLMs: Continue Training is NOT All You Need to Steal A Model!

تقترح هذه الورقة طريقة قوية لتحديد بصمة النماذج اللغوية الكبيرة بناءً على توزيعات الانحراف المعياري المستقرة لمصفوفات معاملات الانتباه، مما يثبت أن هذه التوقيعات الجوهرية يمكنها تحديد سلالة النموذج وكشف انتهاك حقوق الطبع والنشر حتى بعد التدريب المستمر المكثف أو عملية إعادة التدوء (upcycling).

Do-hyeon Yoon, Minsoo Chun, Thomas Allen, Hans Müller, Min Wang, Rajesh Sharma2026-04-27

💬 NLP

UR $^2$ : Unify RAG and Reasoning through Reinforcement Learning

يُعدُّ UR $^2$ إطار عمل عام للتعلم التعزيزي يوحد بين التوليد المعزز بالاسترجاع (RAG) والاستدلال المعقد عبر استخدام منهج دراسي مدرك للصعوبة واستراتيجية وصول هجينة للمعرفة لتنسيق الاسترجاد والاستدلال ديناميكيًا عبر مجالات متنوعة.

Weitao Li, Boran Xiang, Xiaolong Wang, Zhinan Gou, Weizhi Ma, Yang Liu2026-04-27

💬 NLP

Learning from Natural Language Feedback for Personalized Question Answering

تقدم الورقة البحثية إطار عمل VAC، وهو إطار عمل مبتكر يحسن الإجابة الشخصية على الأسئلة من خلال استبدال المكافآت القياسية الضعيفة بتعليقات غنية وقابلة للتنفيذ بلغة طبيعية لضبط النماذج اللغوية الكبيرة بشكل تكراري.

Alireza Salemi, Hamed Zamani2026-04-27

→ السابق التالي ←

cs.CL

Contextual Linear Activation Steering of Language Models

The Chameleon's Limit: Investigating Persona Collapse and Homogenization in Large Language Models

Green Shielding: A User-Centric Approach Towards Trustworthy AI

Case-Specific Rubrics for Clinical AI Evaluation: Methodology, Validation, and LLM-Clinician Agreement Across 823 Encounters

Sentiment and Emotion Classification of Indonesian E-Commerce Reviews via Multi-Task BiLSTM and AutoML Benchmarking

PL-MTEB: Polish Massive Text Embedding Benchmark

Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation

Intrinsic Fingerprint of LLMs: Continue Training is NOT All You Need to Steal A Model!

UR2^22: Unify RAG and Reasoning through Reinforcement Learning

Learning from Natural Language Feedback for Personalized Question Answering

UR $^2$ : Unify RAG and Reasoning through Reinforcement Learning