11965 ورقة بحثية
تقدم هذه الورقة LLMORPH، وهي أداة اختبار تحولي مؤتمتة تقيم متانة النماذج اللغوية الكبيرة عبر مختلف مهام معالجة اللغات الطبيعية من خلال توليد مدخلات متابعة عبر علاقات تحولية للكشف عن عدم اتساق المخرجات دون الاعتماد على بيانات مصنفة بشرياً.
من خلال تجربتين تقارنان السلوك البشري مع النماذج اللغوية الكبيرة في جمل "المسار الحدي" (garden-path) ذات العبارات الاسمية/الزائدة، تجد هذه الدراسة عدم وجود دليل على تأثيرات "التشبث بالرأي" (digging-in) في الوقت الفعلي، مما يشير إلى أن الاتجاهات الملحوظة سابقاً هي على الأرجح نتاج لعمليات التلخيص النهائي للجملة بدلاً من كونها تعزيزاً حقيقياً للالتزامات الهيكلية أثناء المعالجة الآنية.
تُظهر هذه الورقة أن تقنية فك التشفير عبر الخروج المبكر، وهي تقنية لتقليل زمن الاستجابة وتكلفة الاستدلال في النماذج اللغوية الكبيرة، أصبحت غير فعالة بشكل متزايد في النماذج الحديثة بسبب انخفاض تكرار الطبقات، حيث تحتفظ النماذج الأساسية الكثيفة وواسعة النطاق بإمكانات أكبر للخروج المبكر مقارنة بنماذج خليط الخبراء أو نماذج فضاء الحالة.
تقدم هذه الورقة البحثية "الاضطراب" (Perturbation)، وهي طريقة بسيطة وفعالة لتحديد التمثيلات اللغوية في النماذج اللغوية من خلال ضبطها بدقة على مثال عدائي واحد وقياس "العدوى" الناتجة عبر المدخلات الأخرى، مما يتجاوز الحاجة إلى الافتراضات الهندسية المقيدة مع الكشف عن التعميم والتجريد المهيكلين.
تُثبت هذه الورقة أن التكميم وحده يفشل في حماية النماذج اللغوية الكبيرة المنشورة على الحافة من هجمات استخراج المعرفة، حيث تقدم إطار عمل CLIQ لاستعادة المعلومات الدلالية من النماذج المكممة بشكل منهجي وبكفاءة أكبر من طرق الاستعلام القياسية.
تقترح هذه الورقة MTP-D، وهي طريقة تقطير ذاتي تعتمد على استراتيجية تمديد حلقية تعمل على تحسين معدلات قبول التنبؤ متعدد الرموز وسرعة الاستدلال بشكل كبير مع الحفاظ على أداء الرأس الرئيسي في النماذج اللغوية الكبيرة.
تقدم هذه الورقة البحثية "التفكير مع الجداول" (TWT)، وهو إطار عمل للاستدلال العصبي الرمزي يستفيد من البرمجة المعتمدة على الكود لمعالقة التحديات الهيكلية وتحديات التبعية في البيانات الجدولية، متفوقاً بشكل كبير على النماذج المرجعية الحالية ومنافسًا للنماذج المملوكة في مهام الفهم متعدد الوسائط للجداول.
تقدم الورقة البحثية مساراً للتوليد المعزز بالاسترجاع (RAG) يجمع بين البيانات الاصطناعية القائمة على القواعد، والاسترجاع الهجين مع إعادة ترتيب باستخدام المشفر المتقاطع، والتحقق المقيد بالمخطط (schema) لتحقيق أداء رائد في حساب حصص الميراث الإسلامي وتوزيعها على الورثة، مما ضمن المركز الأول في لوحة صدارة مسابقة QIAS 2026.
تقدم هذه الورقة نموذجاً متخصصاً بـ 8 مليارات معلمة (8B-parameter) لنظام Dream11 البيئي، يحقق أداءً عالي الدقة ومنخفض التأخير في تحويل النص إلى استعلام SQL (Text-to-SQL) عبر استخدام طريقة ضبط دقيق مبتكرة ثنائية المراحل لاستيعاب مخطط قاعدة البيانات داخلياً، مما أدى إلى تقليل رموز الإدخال (input tokens) بنسبة تزيد عن 99% والتفوق على النماذج المملوكة القائمة على واجهات برمجة التطبيقات (API-based) ذات الحالة الراهنة في بيئة إنتاج واسعة النطاق.
تقدم هذه الورقة ConceptKT، وهو معيار ومجموعة بيانات جديدة مصممة لتطوير تتبع المعرفة من خلال تمكين التنبؤ بنقص مفاهيمي محدد عبر تقييم النماذج اللغوية الكبيرة والنماذج الاستدلالية الكبيرة باستخدام استراتيجيات التعلم في السياق القائمة على التوافق المفاهيمي والتشابه الدلالي.