11965 ورقة بحثية
تقدم هذه الورقة أول قياس منهجي للمواءمة التعليمية في النماذج اللغوية الكبيرة، كاشفةً أن GPT-5.1 يُظهر أنماط تفضيل متماسكة للغاية تتماشى مع المبادئ الإنسانية في مجالات الإجماع الخبير، بينما يتبنى مواقف متميزة وغير محايدة في المجالات التي يحمل فيها الخبراء البشريون أنفسهم آراءً معيارية متنازعاً عليها.
تقدم هذه الورقة البحثية CLT-Forge، وهي مكتبة مفتوحة المصدر تتيح التدريب الموزع القابل للتوسع والتحليل التفسيري الشامل لـ "المحولين عبر الطبقات" (Cross-Layer Transcoders) لمعالجة تحديات التكرار والتعقيد في التفسير الآلي للنماذج اللغوية الكبيرة.
تكشف هذه الورقة أن النماذج اللغوية الكبيرة تظهر فجوة دقة كبيرة في اللغات ذات الموارد المنخفضة مثل الكازاخية والمغولية مقارنة بالإنجليزية، مما يثبت أن التلقين بنقل المعرفة عبر اللغات يحسن الأداء فقط للنماذج ثنائية اللغة بينما يفشل في إفادة النماذج المهيمنة باللغة الإنجليزية.
من خلال تصنيف موحد، وتجربة مسحية سببية، ومناقشات مجموعات التركيز، تُثبت هذه الورقة أن الإشارات غير اللفظية الإلكترونية (eNVCs) تعزز بشكل كبير دقة فك التشفير العاطفي وتقلل من الغموض في التواصل القائم على النصوص، بينما تكشف أيضاً عن حدودها في سياقات مثل السخرية وتوفر مجموعة أدوات جديدة مفتوحة المصدر للكشف الآلي عنها.
تقدم الورقة البحثية نموذج LongCat-Flash-Prover، وهو نموذج "خليط من الخبراء" (Mixture-of-Experts) مفتوح المصدر بـ 560 مليار معلمة، يحقق أداءً هو الأفضل في فئته في مجالات الصياغة الآلية لـ Lean4 وإثبات النظريات عبر تفكيك مهام الاستدلال إلى قدرات متخصصة وتدريبها من خلال خوارزمية "تحسين سياسة أخذ العينات الهرمي للأهمية" (Hierarchical Importance Sampling Policy Optimization) المبتكرة ضمن إطار عمل "التعلم المعزز المتكامل مع الأدوات الوكيلية" (Agentic Tool-Integrated Reinforcement Learning).
تقدم الورقة البحثية SqueezeComposer، وهو إطار عمل يتيح توليد موسيقى طويلة المدى بكفاءة وجودة عالية من خلال الاستفادة من حيلة بسيطة لتسريع الزمن لتقليل المتطلبات الحسابية أثناء عملية التوليد قبل استعادة الصوت إلى سرعته الأصلية.
تقدم هذه الورقة البحثية "خليط الفصول" (Mixture of Chapters)، وهي بنية مبتكرة ترفع سعة ذاكرة المحولات (transformer) إلى 262 ألف توكن باستخدام بنوك ذاكرة متفرقة قابلة للتعلم وتوجيه قائم على الفصول، مما يظهر أداءً فائقاً وتقليلاً في النسيان الكارثي مقارنة بنماذج الـ iso-FLOP القياسية.
تُثبت هذه الورقة أن التكميم القائم على الإنتروبيا لعدم اليقين وحده غير كافٍ للتنبؤ الانتقائي الآمن في النماذج اللغوية الكبيرة بسبب أوضاع الفشل المعتمدة على النموذج، وتقترح نهجاً مشتركاً مع إشارة مسبار الصحة التي تُحسن بشكل كبير مقايضات المخاطر والتغطية والمعايرة عبر مختلف المعايير وعائلات النماذج.
تتقصى هذه الورقة تحديات استخراج الفرضيات والأدلة الإحصائية من المقالات العلمية كاملة النص، مظهرةً أنه في حين أن اختيار السياق المستهدف يحسن استخراج الفرضيات بشكل كبير، فإن استخراج الأدلة الإحصائية يظل صعباً بسبب القيود المتأصلة في التعامل مع العبارات الهجينة الرقمية-النصية بدلاً من مجرد إخفاقات الاسترجاع.
تقترح هذه الورقة إطار عمل مبتكر يستفيد من قدرات نماذج اللغات الكبيرة في الاستدلال السياقي والقدرات متعددة اللغات لإجراء دمج الرسوم البيانية عبر اللغات عن طريق تحويل ثلاثيات الرسوم البيانية إلى تسلسلات لغوية طبيعية، مما يحل بفعالية عدم التجانس الدلالي ويمكّن التجميع القابل للتوسع لرسوم بيانية معرفية متباينة.