11750 ورقة بحثية
تُظهر هذه الدراسة أن عملية توصيف البيانات البشرية في حد ذاتها تعمل كآلية تدريب تعزز بشكل كبير من كفاءة وثقة الموصِّفِين — لا سيما بين الخبراء — وأن هذه التحسينات في مهارات الموصِّفِين تؤدي لاحقاً إلى أداء أفضل في النماذج اللغوية الكبيرة التي يتم تدريبها على البيانات الناتجة.
تقترح الورقة البحثية SignCert-PO، وهي طريقة خفيفة الوزن تخفف من حدة "اختراق المكافأة" (reward hacking) في التعلم التعزيزي من التغذية الراجعة البشرية (RLHF) عبر اشتقاق نصف قطر معتمد للحفاظ على الإشارة لتقليل وزن الإكمالات غير المتينة أثناء تحسين السياسة، مما يمنع انقلابات إشارة الميزة دون الحاجة إلى نماذج مكافأة متعددة أو الوصول إلى بيانات التدريب.
تقدم هذه الورقة منهجية مفتوحة المصدر تعمل على ضبط نموذج لغوي مدمج بحجم 8 مليارات معلمة باستخدام بيانات اصطناعية لتوليد استعلامات قابلة للتنفيذ لمجموعات بيانات غير نصية مهيكلة، محققةً دقة عالية وقدرة عالية على التعميم في البيئات محدودة الموارد كبديل فعال لتقنية التوليد المعزز بالاسترجاع.
تقدم هذه الورقة البحثية "الافتراضات المنطوقة"، وهو إطار عمل يكشف كيف تؤدي افتراضات النماذج اللغوية الكبيرة الخاطئة حول نية المستخدم (مثل السعي وراء التأييد) إلى السلوك المتملق، مما يتيح فهماً أعمق لهذه القضايا الأمنية وتحكماً سببياً فيها من خلال التوجيه القابل للتفسير.
تقدم هذه الورقة البحثية "تنفيذ الحمولة الضمني المدفوع بالوثائق" (DDIPE)، وهو هجوم جديد في سلاسل التوريد يتجاوز ضمانات وكلاء النماذج اللغوية الكبيرة (LLM agents) عبر تضمين منطق خبيث في وثائق المهارات، مما يثبت أن مثل هذه الهجمات الضمنية يمكنها بنجاح اختطاف إجراءات الوكيل بمعدلات نجاح أعلى بكثير من هجمات التعليمات الصريحة.
تقترح الورقة البحثية إطار عمل "Self-Guide"، وهو إطار حيث تقوم الوكلاء اللغوية بتطوير مشترك لسياساتها وإشارة مكافأة داخلية مُولدة ذاتياً لتوفير توجيه للأفعال أثناء وقت الاستدلال وإشراف أكثر كثافة أثناء وقت التدريب، مما يتغلب على قيود المكافآت الخارجية الشحيحة ويحقق مكاسب أداء كبيرة.
تقدم هذه الورقة RLSD، وهو نموذج تدريب مبتكر يجمع بين الإشارات المستقرة والموجهة لتعلم التعزيز مع المكافآت القابلة للتحقق (RLVR) وبين تعديلات المقدار دقيقة التفاصيل من التقطير الذاتي في السياسة المتبعة (on-policy self-distillation)، مما يتغلب على مشكلات تسرب المعلومات وعدم الاستقرار الموجودة في نهج التقطير الذاتي الصرف، مع تحقيق تقارب واستقرار تدريب فائقين.
تقدم الورقة البحثية "StoryScope"، وهو مسار عمل يميز بين الخيال المُنشأ بواسطة الذكاء الاصطناعي والكتابة البشرية بدقة عالية من خلال تحليل سمات السرد على مستوى الخطاب —مثل فاعلية الشخصية والتعقيد الزمني— بدلاً من الاعتماد على الإشارات الأسلوبية، كاشفةً أن قصص الذكاء الاصطناعي تميل إلى كونها مفرطة في الشرح ومتجانسة بنيوياً، بينما تظهر القصص البشرية غموضاً أخلاقياً وتنوعاً أكبر.
تقترح هذه الورقة إطار عمل شاملاً لتقييم الواقعية في توليد النماذج اللغوية الكبيرة للنصوص الطويلة، يقيس معاً الدقة والاستدعاء المدرك للأهمية، مما يكشف أن النماذج الحالية تعاني بشكل كبير من نقص في الاكتمال الواقعي رغم أدائها القوي في الدقة.
تقدم هذه الورقة طريقة لتحديد فضاء فرعي للتكافؤ-الاستثارة (valence-arousal) ضمن النماذج اللغوية الكبيرة يظهر هندسة دائرية تتسق مع الإدراك العاطفي البشري، مما يتيح تحكماً رتيباً في كل من الأبعاد الوجدانية والسمات السلوكية المحددة مثل الرفض والمداهنة عبر بنيات متعددة.