cs.CL ورقة بحثية

Frequency-Modulated Visual Restoration for Matryoshka Large Multimodal Models

تقدم هذه الورقة البحثية FMVR، وهي استراتيجية تعديل ترددي بسيطة وقابلة للتشغيل المباشر تعمل على استعادة الدلالات البصرية في النماذج اللغوية الكبيرة متعددة الوسائط عبر فك الارتباط بين مكونات التردد المنخفض والمرتفع وتعديلهما، مما يتيح تقليلاً مرناً للرموز (tokens) عبر تعلم تمثيل ماتريوشكا مع الحفاظ على دقة قريبة من الأصلية بتكاليف حوسبة منخفضة بشكل كبير.

Qingtao Pan, Zhihao Dou, Shuo Li2026-03-13

💬 NLP

Markovian Generation Chains in Large Language Models

تُعرّف هذه الورقة عملية الاستدلال التكراري للنماذج اللغوية الكبيرة كسلاسل توليد ماركوفية، وتُثبت من خلال التجارب والنمذجة أن هذه العمليات يمكنها إما زيادة أو تقليل تنوع الجمل اعتماداً على عوامل مثل درجة الحرارة والمدخلات الأولية، مع نتائج تتراوح بين التقارب نحو مجموعة متكررة وإنتاج جمل مبتكرة.

Mingmeng Geng, Amr Mohamed, Guokan Shang, Michalis Vazirgiannis, Thierry Poibeau2026-03-13

🤖 machine learning

Hindsight-Anchored Policy Optimization: Turning Failure into Feedback in Sparse Reward Settings

تقدم هذه الورقة البحثية خوارزمية "تحسين السياسة المرتكزة على الاستباق" (HAPO)، وهي خوارزمية مبتكرة تعالج معضلة انهيار الميزة والتحيز التوزيعي في إعدادات التعلم المعزز عبر التحقق من صحة اللغة (RLVR) ذات المكافآت الشحيحة، وذلك من خلال توظيف آلية بوابة مستوحاة من أخذ عينات تومسون لضخ نجاح اصطناعي من نماذج المعلم أثناء حالات الفشل، مما يوفر دعامة مؤقتة تضمن الاتساق التقاربي وتسمح للسياسة بتجاوز قيود المعلم الثابتة في نهاية المطاف.

Yuning Wu, Ke Wang, Devin Chen, Kai Wei2026-03-13

💬 NLP

Stop Listening to Me! How Multi-turn Conversations Can Degrade Diagnostic Reasoning

تقدم هذه الورقة إطار عمل "التمسك أو التغيير" (stick-or-switch) لتوضيح أن المحادثات متعددة الأدوار مع النماذج اللغوية الكبيرة تضعف الاستدلال التشخيصي بشكل كبير من خلال جعل النماذج تتخلى عن التشخيصات الأولية الصحيحة أو الامتناع الآمن لصالح اقتراحات المستخدم غير الصحيحة، وهي ظاهرة تُسمى "ضريبة المحادثة".

Kevin H. Guo, Chao Yan, Avinash Baidya, Katherine Brown, Xiang Gao, Juming Xiong, Zhijun Yin, Bradley A. Malin2026-03-13

💰 quantitative finance

Beyond Polarity: Multi-Dimensional LLM Sentiment Signals for WTI Crude Oil Futures Return Prediction

تُثبت هذه الورقة أن إشارات المشاعر متعددة الأبعاد التي تستخرجها النماذج اللغوية الكبيرة من أخبار الطاقة، لا سيما عند دمجها مع نماذج المشاعر المالية التقليدية، تُحسّن بشكل كبير التنبؤ بعوائد عقود خام غرب تكساس الوسيط الآجلة الأسبوعية من خلال التقاط الفروق الدقيقة مثل الكثافة وعدم اليقين بما يتجاوز مجرد القطبية البسيطة.

Dehao Dai, Ding Ma, Dou Liu, Kerui Geng, Yiqing Wang2026-03-13

💬 NLP

Algorithmic Consequences of Particle Filters for Sentence Processing: Amplified Garden-Paths and Digging-In Effects

تجادل هذه الورقة بأنه في حين تفشل النماذج اللغوية الكبيرة في استيعاب تأثير الغموض البنيوي على معالجة الجمل، فإن نماذج مرشح الجسيمات تمثل هذا الغموض بشكل صريح وتتنبأ خوارزميًا بآثار "طريق الحديقة" المضخمة وظواهر "التشبث بالرأي" — حيث تزداد صعوبة إزالة الغموض مع طول المنطقة الغامضة بسبب آلية إعادة أخذ العينات.

Amani Maina-Kilaas, Roger Levy2026-03-13

💬 NLP

MaterialFigBENCH: benchmark dataset with figures for evaluating college-level materials science problem-solving abilities of multimodal large language models

تقدم الورقة البحثية MaterialFigBench، وهي مجموعة بيانات مرجعية تضم 137 مسألة في علم المواد على المستوى الجامعي تتطلب تفسير الأشكال، والتي تكشف أنه على الرغم من التحسينات في النماذج اللغوية الكبيرة متعددة الوسائط، إلا أنها لا تزال تواجه صعوبة في الاستنتاج البصري الحقيقي والتحليل الكمي، وغالباً ما تعتمد على المعرفة المحفوظة بدلاً من القراءة الدقيقة للرسوم التوضيحية المقدمة.

Michiko Yoshitake, Yuta Suzuki, Ryo Igarashi, Yoshitaka Ushiku, Keisuke Nagato2026-03-13

💬 NLP

BLooP: Zero-Shot Abstractive Summarization using Large Language Models with Bigram Lookahead Promotion

تقدم الورقة البحثية BLooP، وهو تدخل في عملية فك التشفير لا يتطلب تدريباً، يعمل على تحسين دقة التلخيص التجريدي بنمط "الصفر محاولة" (zero-shot) في النماذج اللغوية الكبيرة من خلال تعزيز توليد الثنائيات (bigrams) الموجودة في المستند المصدر.

Varun Iyer, Cornelia Caragea2026-03-13

💬 NLP

LLM-Assisted Causal Structure Disambiguation and Factor Extraction for Legal Judgment Prediction

تقترح هذه الورقة إطار عمل معزز للاستدلال السببي يدمج الأولويات المستمدة من النماذج اللغوية الكبيرة مع الاكتشاف السببي الإحصائي لاستخراج العوامل القانونية بدقة وفك التباس البنى السببية، مما يؤدي إلى تحسين دقة ومتانة التنبؤ بالأحكام القانونية من خلال التخفيف من الارتباطات الزائفة.

Yuzhi Liang, Lixiang Ma, Xinrong Zhu2026-03-13

💬 NLP

Can Small Language Models Use What They Retrieve? An Empirical Study of Retrieval Utilization Across Model Scale

تكشف هذه الدراسة التجريبية أن النماذج اللغوية الصغيرة (≤7 مليار معلمة) تعاني بشكل جوهري من صعوبة في استخدام المعلومات المسترجعة، حيث تفشل غالباً في استخراج الإجابات الصحيحة حتى مع جودة الاسترجاع المثالية وتفقد تكراراً المعرفة السابقة المعروفة لديها بسبب التشتت، مما يشير إلى أن توظيف السياق — وليس جودة الاسترجاع — هو العائق الأساسي لتقنية التوليد المعزز بالاسترجاع (RAG) عند هذا النطاق.

Sanchit Pandey (BITS Pilani, Hyderabad, India)2026-03-13

→ السابق التالي ←