11683 ورقة بحثية
تقدم هذه الورقة البحثية "الضبط الدقيق المعتمد على تفضيلات مزدوجة" (PFT)، وهو إطار عمل جديد ومعه مجموعة بيانات "معضلة صراع القيم" (VCD) المصممة لمواءمة النماذج اللغوية الكبيرة مع التفضيلات البشرية الفردية الديناميكية والمتضاربة، مما يظهر أداءً فائقاً على الأساليب الحالية مثل DPO وSFT في كل من مهام التصنيف والتوليد.
إن KG-Reasoner هو إطار عمل متكامل (end-to-end) يسخر التعلم المعزز لتدريب نموذج لغوي كبير للتفكير (Reasoning LLM) على الاستكشاف الديناميكي والرجوع إلى الوراء ضمن الرسوم البيانية للمعرفة (Knowledge Graphs)، مما يتغلب على الجمود والتجزئة في مسارات التفكير متعددة القفزات التقليدية لتحقيق أداء فائق في المهام المعقدة كثيفة المعرفة.
تقدم هذه الورقة أول دراسة منهجية لمعايرة الثقة في الإجابة على الأسئلة القائمة على البيانات الجدولية، كاشفةً أن النماذج اللغوية الكبيرة مفرطة في الثقة بشكل كبير عند التعامل مع البيانات المهيكلة، ومقترحةً طريقة "اتفاق تعدد الصيغ" (Multi-Format Agreement)—وهي طريقة فعالة من حيث التكلفة تستفيد من تنويعات التسلسل—لتحسين تقدير عدم اليقين وأداء المعايرة بشكل كبير.
تقدم هذه الورقة إطارًا لـ "التخطيط الكامن" وتقدم أدلة ميكانيكية على أن قدرة نماذج Qwen-3 على تمثيل السياق وتشكيله داخليًا للرموز المستقبلية تزدزد مع حجم النموذج، حتى في المهام المعقدة مثل الأزواج الشعرية المقفاة.
تقترح هذه الورقة البحثية GraSP، وهو إطار عمل جديد للتلقين الناعم القائم على الرسوم البيانية يستفيد من الشبكات العصبية الرسومية لترميز الرسوم البيومترية الفرعية من أجل الاستدلال على مستوى الرسم البياني الفرعي، مما يقلل من تأثير الرسوم البيانية للمعرفة غير المكتملة ويحقق أداءً رائدًا في مجال الإجابة على الأسئلة المتعلقة بقواعد المعرفة متعددة القفزات من خلال نموذج توليد فعال من مرحلتين.
تقدم هذه الورقة البحثية مخطط الصوت الموحد (UAS)، وهو إطار عمل إشرافي شامل قائم على JSON ينظم الصوت إلى نسخ نصي، وسمات لغوية مصاحبة، وأحداث غير لغوية لمعالجة فجوة الأداء في النماذج اللغوية الصوتية الكبيرة (AudioLLMs) بين الاستدلال المعقد والإدراك الصوتي دقيق التفاصيل، محققةً تحسينات ملحوظة في مجموعات البيانات المرجعية مع الحفاظ على قدرات الاستدلال.
تقترح الورقة إطار عمل "التعزيز ثم الموازنة للتعاون بين الأنماط" (EBMC)، والذي يعمل على تحسين تحليل المشاعر متعدد الأنماط القوي من خلال تقوية الأنماط الأضعف عبر فك الارتباط الدلالي والتعزيز عبر الأنماط، مع منع الأنماط المهيمنة من طغيانها على غيرها عبر التنسيق الموجه بالطاقة وتقطير الثقة المدرك للحالات.
تقترح الورقة البحثية إطار عمل FABLE، وهو إطار هرمي يفصل بين التثبيت الدقيق للحقائق وبين توليد النصوص الشامل لتحسين الدقة الواقعية في تعديل النماذج غير المهيكلة، مصحوباً بمعيار UnFine للتقييم المنهجي.
تعالج هذه الورقة ندرة بيانات العواطف متعددة اللغات ومتعددة التصنيفات من خلال إنشاء مجموعة بيانات اصطناعية واسعة النطاق عبر 23 لغة، مبرهنةً على أن نموذج XLM-R-Large الذي تم ضبطه بدقة يحقق أداءً هو الأفضل في فئته على الاختبارات داخل النطاق، ويضاهي أو يتجاوز المتخصصين في اللغة الإنجليزية فقط في اختبارات التعلم الصفري مع دعم جميع اللغات الثلاث والعشرين بشكل أصلي.
تقدم الورقة البحثية TRIAGE، وهو إطار عمل تكيفي يعتمد على التعلم الصفري لتصنيف الأصوات التنفسية، يقوم بتخصيص الموارد الحسابية ديناميكياً عبر ثلاثة مستويات من الاستدلال بناءً على عدم اليقين في المدخلات، محققاً أداءً هو الأفضل في فئته دون تدريب خاص بالمهمة مع تقليل التكاليف بشكل كبير من خلال حل الحالات السهلة مبكراً.