11902 ورقة بحثية
تقدم هذه الورقة تحليلاً آلياً يكشف أنه بينما يخضع الرفض الضار لمتجه عالمي واحد، فإن الإفراط في الرفض ينشأ من فضاءات فرعية ذات أبعاد أعلى تعتمد على المهمة ضمن مجموعات المهام الحميدة، مما يفسر فشل الاستئصال العالمي ويستلزم تدخلات هندسية خاصة بكل مهمة.
تقدم الورقة البحثية PRBench، وهو معيار مرجعي صارم يتكون من 30 مهمة في الفيزياء تم إعدادها من قبل خبراء لتقييم قدرات إعادة الإنتاج الشاملة للوكلاء الاصطناعيين، كاشفةً أن النماذج الحالية تعاني بشكل كبير من حيث صحة الكود، ودقة البيانات، وتحقيق إعادة إنتاج ناجحة رغم قدراتها المتقدمة في التفكير.
تقدم الورقة البحثية Budget-Xfer، وهو إطار عمل يعمل على تحسين اختيار اللغة المصدر وتخصيص البيانات في ظل ميزانية تعليق ثابتة، كاشفاً أن النقل متعدد المصادر يتفوق بشكل كبير على النقل أحادي المصدر بالنسبة للغات الأفريقية، مع إثبات أن تشابه التضمين ليس مؤشراً موثوقاً به عالمياً للاختيار.
تقدم هذه الورقة معياراً مرجعياً جديداً يعتمد على المسارات النشرية الطولية لـ 217 من باحثي الذكاء الاصطناعي لتقييم ما إذا كانت النماذج اللغوية الكبيرة تحاكي حقاً الأنماط المعرفية البشرية الفردية أم أنها تكتفي بمحاكة السلوكيات السطحية، وذلك باستخدام إعداد الإزاحة الزمنية عبر المجالات ومقياس محاذاة متعدد الأبعاد لتقييم النماذج الحالية وتقنيات التحسين.
يُعد KAT-Coder-V2 نموذجاً برمجياً وكيلياً طورته شركة Kuaishou، يعتمد على نموذج "التخصص ثم التوحيد" لتدريب خمسة مجالات خبيرة قبل دمجها في نموذج واحد، محققاً أداءً هو الأفضل في فئته على معايير مثل SWE-bench Verified وPinchBench من خلال ابتكارات مثل بنية KwaiEnv واستقرار MCLA.
تقدم هذه الورقة RT4CHART، وهو إطار عمل للاختبار الرجعي (retromorphic) يستخدم التحقق الهرمي على مستوى الادعاء لتحقيق أفضل النتائج في الكشف عن الهلوسة دقيقة التفاصيل في أنظمة التوليد المعزز بالاسترجاع، بينما تكشف أيضاً أن المعايير المرجعية الحالية تقلل بشكل كبير من تقدير مدى انتشار الهلوسة.
تقدم هذه الورقة TailNLG، وهو معيار جديد متعدد اللغات يكشف عن انحياز أداء مستمر في النماذج اللغوية الكبيرة ضد كيانات الذيل الطويل أثناء توليد النصوص من البيانات، مما يسلط الضف على الحاجة إلى أطر تقييم أكثر موثوقية لمعالجة هذه الفجوة.
تستعرض هذه الورقة تطور نماذج معالجة اللغات الطبيعية وعلاقتها بنظريات القدرة اللغوية البشرية، وتخلص إلى أنه على الرغم من القدرات المثيرة للإعجاب لنماذج اللغات الكبيرة الحديثة، فإن تطويرها لم يساهم بشكل كبير في تعزيز فهمنا لكيفية معالجة العقل البشري للغة الطبيعية.
يقدم KVSculpt طريقة مبتكرة لضغط ذاكرة التخزين المؤقت لـ KV تعمل على تحسين أزواج KV غير المقيدة في فضاء التضمين المستمر عبر الحلول المتبادلة لـ L-BFGS والمربعات الصغرى، المعززة بتخصيص ميزانية تكيفي، لتقليل تباعد KL بشكل كبير والحفاظ على سلوك الانتباه مقارنة بنهج الاختيار أو الدمج الحالية.
تقترح هذه الورقة إطار عمل متعدد الوكلاء قائم على التفكير المقابل (counterfactual) يعزز التشخيص السريري من خلال اختبار الفرضيات صراحةً عبر تعديل الأدلة وقياس تحولات الثقة، مما يؤدي إلى تحسين دقة التشخيص وقابلية تفسير الاستدلال عبر مختلف المعايلات والنماذج اللغوية الكبيرة.