12021 ورقة بحثية
تقترح الورقة البحثية NeSyS، وهو إطار عمل عصبي-رمزي يدمج القدرة التعبيرية الدلالية للنماذج اللغوية الكبيرة مع الاتساق المنطقي للنماذج العالمية الرمزية من خلال التدريب المتناوب وقيود توزيع الاحتمالات المباشرة، محققاً دقة تنبؤ وكفاءة بيانات فائقتين عبر بيئات تفاعلية متنوعة.
تقترح هذه الورقة تصنيفاً هندسياً لهلوسات النماذج اللغوية الكبيرة إلى ثلاثة أنواع متميزة (عدم الأمانة، والتخريف، والخطأ الواقعي) وتستعرض مقاييس كشف مقابلة، وهما مؤشر التجذر الدلالي ومؤشر التجذر الاتجاهي، اللذان يحددان بفعالية المخرجات غير الأمينة والمتخرفة مع الكشف عن أن الإشارات الظاهرية للأخطاء الواقعية في المعايير الحالية غالباً ما تنبع من مغالطات التوسيم الأسلوبية بدلاً من التمايزات الهندسية الحقيقية.
تجادل هذه الورقة بأن التقدم المتفوق لتوليد الكود على التعلم التعزيزي ينبع من بنية التغذية الراجعة الكثيفة والقابلة للتحقق للكود، مقترحةً تسلسلاً هرمياً لخمس مستويات من القابلية للتعلم لإثبات أن السقف الجوهري لتقدم تعلم الآلة يعتمد على قابلية التعلم المتأصلة والبنية المعلوماتية للمهمة أكثر من اعتماده على توسيع نطاق النموذج وحده.
تقدم الورقة البحثية "إيموشن كولايدر" (EC-Net)، وهو إطار عمل للرسم البياني الفائق الزائدي يستفيد من تضمينات كرة بوانكاريه، وتمرير الرسائل ثنائي الاتجاه، والتعلم التبايني لتحقيق تحليل مشاعر متعدد الوسائط قوي ومقاوم للضجيج من خلال الحفاظ على العلاقات الدلالية عالية الرتبة وتعزيز الفصل بين الفئات.
يُعد ModalImmune إطار تدريب يعزز متانة الأنظمة متعددة الوسائط ضد فقدان قنوات الإدخال من خلال الانهيار المتعمد لمعلومات وسائط مختارة أثناء التدريب عبر مزيج من التنظيم التكيفي، والتدخل المستهدف، وتكييف المعلمات الفائقة المعتمد.
تقدم هذه الورقة البحثية CondMedQA، وهو أول معيار لتقييم الإجابة على الأسئلة الطبية الحيوية المشروطة، وتقترح إطار عمل الاستدلال المعتمد على البوابة الشرطية (CGR)، الذي يبني رسوماً بيانية للمعرفة مدركة للشروط لتقليم مسارات الاستدلال ديناميكياً بناءً على عوامل خاصة بالمريض، مما يعزز موثوقية اتخاذ القرارات الطبية.
تقدم الورقة البحثية MrBERT، وهي عائلة من المشفرات متعددة اللغات، الفعالة، ومفتوحة المصدر المبنية على بنية ModernBERT، والتي تحقق أداءً هو الأفضل في فئته في لغات محددة ومجالات متخصصة مع الاستفادة من تعلم تمثيل ماتريوشكا (Matryoshka Representation Learning) لتقليل تكاليف الاستدلال والتخزين.
يتغلب CeRA على سقف الأداء الخطي لـ التكيف منخفض الرتبة (LoRA) في مهام الاستدلال المعقدة عبر تقديم محول متوازي على مستوى الأوزان مع بوابات SiLU وتسرب هيكلي لاستحثاث التوسع المتشعب، مما يحقق كفاءة طيفية فائقة ويمنع انهيار الرتبة.
تقترح هذه الورقة إطار عمل للتنبؤ المطابق يضمن النشر الآمن والمخصص للمجال لنماذج اللغات الكبيرة (LLMs) لاستخراج الكيانات الطبية، وذلك عبر تكييف عتبات المعايرة لمواجهة عدم الثقة المتميز الملاحظ في ملصقات هيئة الغذاء والدواء (FDA) المهيكلة، والثقة المفرطة في تقارير الأشعة ذات النصوص الحرة، مما يحقق ضمانات تغطية مستهدفة مع معدلات رفض يمكن السيطرة عليها عبر مختلف الإعدادات السريرية.
تقدم هذه الورقة CyclicJudge، وهي استراتيجية تقييم بنظام التدوير (round-robin) منخفضة التكلفة تخفف من تحيز النماذج اللغوية الكبيرة كحكم (LLM-as-judge) المنهجي عبر تقسيم تباين الدرجات وتعيين الحكام بشكل دوري للسيناريوهات، مما يحقق تصنيفات موثوقة دون زيادة في التكاليف الحسابية.