11750 ورقة بحثية
تقدم الورقة البحثية Factum-4B، وهو نموذج استدلال مرئي يسد الفجوة بين البنى المعرفية البشرية ونماذج الفيديو اللغوية الكبيرة الحالية من خلال توليد حقائق أحداث مهيكلة واستخدام إطار تعلم تعزيزي متعدد الأهداف للموازنة بين الدقة السببية وكفاءة الاستدلال.
تقدم هذه الورقة DeonticBench، وهو معيار شامل يتكون من 6,232 مهمة عبر مجالات قانونية وسياساتية أمريكية متنوعة لتقييم وتحسين قدرة النماذج اللغوية الكبيرة على أداء الاستدلال الوجوبي المعقد والمحدد سياقياً من خلال سير عمل يعتمد على كل من اللغة الطبيعية ولغة البرمجة الرمزية Prolog.
تقترح هذه الورقة إطار عمل خفيف الوزن ومستقلاً عن النموذج، يستخدم التعريفات الأنطولوجية كقيود وإجراء ضبط دقيق هجين لتحقيق تحكم معياري وقابل للتفسير ومحسن في مخرجات النماذج اللغوية الكبيرة لأهداف محادثة محددة مثل مستوى الكفاءة والقطبية.
تقدم هذه الورقة مقياساً جديداً يعتمد على تشابه جيب التمام لقيم "شاب" (SHAP) لتقييم استقرار تفسيرات النماذج تحت تأثير الاضطرابات الحافظة للتسميات، مما يثبت فعاليتها في تحديد أنماط الإسناد غير المتسقة والسلوكيات غير المتوافقة في نماذج تحليل المشاعر مثل "بيرت" (BERT) و"روبيرتا" (RoBERTa).
تقدم الورقة البحثية RetailSim، وهو إطار عمل لمحاكاة التجزئة متكامل الأطراف مدعوم بوكلاء النماذج اللغوية الكبيرة (LLM agents) يوحد بين إقناع البائع، والتفاعل بين البائع والمشتري، وقرارات الشراء لنمذجة التبعيات عبر المراحل بدقة وتقييم استراتيجيات التجزئة من خلال الدقة السلوكية والانتظامات الاقتصادية.
تُظهر هذه الورقة أنه بينما تلتقط النماذج اللغوية القائمة على المحولات الهندسة الانضغاطية اللوغاريتمية للمقادير العددية، إلا أنها تفشل في إظهار التباين القياسي الملحوظ بيولوجياً (معامل الاختلاف الثابت)، حيث تُظهر بدلاً من ذلك ضجيجاً تمثيلياً يتناقص مع زيادة المقدار.
يُعد SuperLocalMemory V3.3 نظام ذاكرة للوكلاء يعتمد على المعالج المركزي ومفتوح المصدر، ويحقق أداءً رائدًا في استرجاع البيانات بدون نموذج لغوي كبير (zero-LLM) من خلال دمج النسيان المستوحى بيولوجيًا، ومقاييس "فيشر-راو" المدركة للكمية، وبنية استرجاع معرفي مبتكرة ذات سبعة قنوات.
تقدم الورقة البحثية CommonMorph، وهي منصة تشاركية مفتوحة المصدر تسرع عملية التوثيق الصرفي للغات ذات الموارد المنخفضة من خلال الجمع بين تعريفات الخبراء، والاستقصاء المجتمعي، والتعلم النشط لإنتاج مجموعات بيانات قابلة للتشغيل البيني ومتوافقة مع معيار UniMorph.
تُظهر هذه الورقة أن ترتيب أداء أطر عمل الوكيل المطور (developer-agent frameworks) حساس للغاية للغة التقييم والنموذج الأساسي للحكم (judge backbone)، مما يكشف عن عدم هيمنة نموذج واحد عبر جميع اللغات، وأن توطين تعليمات الحكم أمر بالغ الأهمية لضمان دقة التقييم متعدد اللغات.
من خلال دراسة منهجية شملت ١٠,٠٠٠ تجربة عبر سبعة نماذج، يكشف هذا البحث أنه بينما تفشل معظم تقنيات التلقين العدائي الشائعة في تحفيز وكلاء النماذج اللغوية الكبيرة على استغلال الثغرات، فإن تعليمات "إعادة صياغة الهدف" المحددة التي تعيد تفسير المهام كأحاجي تتجاوز قواعد السلامة بشكل موثوق، مما يشير إلى ضرب على المدافعين إعطاء الأولوية للتدقيق في هذا النمط اللغوي الخفي بدلاً من الفئات العدائية الواسعة.