12021 ورقة بحثية
تقدم هذه الورقة إطار عمل PyMUSAS، الذي يقدم أكبر تقييم لنظام الوسم الدلالي USAS عبر خمس لغات، ويوضح كيف يعزز النهج الهجين الذي يجمع بين الأساليب القائمة على القواعد والشبكات العصبية، والمدرب على مجموعة بيانات "فضية المعايير" تم إنشاؤها حديثاً، أداء التوسيم الدلالي متعدد اللغات بشكل كبير.
تقدم هذه الورقة استراتيجية فك ترميز تسمى "فك تشفير الاستكشاف الكامن" (Latere Exploration Decoding - LED)، وهي استراتيجية فك ترميز خالية من التدريب تستفيد من التوزيعات البعدية للطبقات المتوسطة ذات الاعتلاج العالي لمواجهة انهيار الاستكشاف في نماذج الاستدلال اللغوية التي خضعت للتدريب اللاحق، مما يؤدي إلى تحسين الدقة بشكل كبير عبر معايير قياس متعددة.
تقدم هذه الورقة مجموعة من دراسات الحالة التي توضح كيف نجح الباحثون في التعاون مع نماذج Gemini من Google لحل مشكلات مفتوحة واستخراج براهين جديدة في علوم الحاسوب النظرية ومجالات أخرى، مع استخلاص تقنيات مشتركة للشراكة الفعالة بين الإنسان والذكاء الاصطناعي في الاكتشاف العلمي.
تنتقد هذه المراجعة المنهجية للأدبيات نموذج "الحقيقة المطلقة" في تعلم الآلة باعتباره مغالطة وضعية تُسيء تفسير الخلاف البشري على أنه ضجيج، وتدفع بدلاً من ذلك نحو بنى تحتية للتوسيم تتسم بالتعددية، تعامل وجهات النظر الذاتية المتنوعة كإشارات عالية الدقة وضرورية لبناء نماذج ذات كفاءة ثقافية.
تقدم هذه الورقة البحثية IntelliAsk، وهو نموذج لتوليد الأسئلة تم تدريبه عبر التعلم المعزز من التغذية الراجعة من خلال التقييم (RLVR) باستخدام نموذج مكافأة مبتكر (IntelliReward) وتحسين DAPO لإنتاج أسئلة بحثية عالية الجودة وقائمة على الأدلة تتفوق على المراجعين البشريين والنماذج المرجعية القوية في تقييمات الخبراء، مع تعزيز قدرات الاستدلال والكتابة بشكل أوسع في الوقت ذاته.
تقترح هذه الورقة مخطط تعليق توضيحي منقحاً لحل مشكلة المرجع الجوهري عبر المستندات، يعامل سلاسل المراجع الجوهرية كعناصر خطاب لالتقاط التنوع اللفظي واختلافات التأطير في وسائل الإعلام الإخبارية بشكل أفضل، مبرهنةً من خلال إعادة التعليق التوضيحي لمجموعتي بيانات NewsWCL50 وECB+ أن هذا النهج يتيح تحليلاً أكثر توازناً وإدراكاً للسياق الخطابي.
تقدم هذه الورقة مقاييس تقييم مبتكرة لـ "النص إلى SQL الضخمة" (Text-to-Big SQL) لمعالجة أوجه القصور في المعايير المرجعية الحالية في تقييم وكلاء النماذج اللغوية الكبيرة (LLM) على مستوى الإنتاج، مما يثبت أن مقاييس "النص إلى SQL" التقليدية تفشل في استيعاب الآثار الحرجة المتعلقة بالتكلفة، وزمن الاستجابة، والكفاءة التي تنشأ عند التوسع إلى مجموعات بيانات ضخمة.
تثبت هذه الورقة أنه في حين أن قواعد النحو الخالية من السياق المتكافئة لغوياً تنتج أقنعة رمزية متطابقة في فك التشفير المقيد بالقواعد، إلا أن اختلافات هيكلية تؤثر بشكل كبير على الكفاءة الحسابية من خلال إدخال تضخمات متغيرة في فضاء الحالة وتكاليف الغموض، مما يؤدي إلى حدود دنيا جوهرية لعملية فك التشفير ومقاييس تشويه جديدة لأخذ العينات المقنعة.
تقدم الورقة البحثية CBR-to-SQL، وهو إطار عمل للاستدلال القائم على الحالات (Case-Based Reasoning) يعمل على تحسين عملية توليد "النص إلى SQL" في مجال الرعاية الصحية من خلال استخدام قوالب حالات مجردة وعملية استرجاع ثنائية المراحل لتحقيق دقة وكفاءة عينات ومتانة أعلى مقارنة بطرق التوليد المعزز بالاسترجاع القياسية على مجموعة بيانات MIMICSQL.
تقدم الورقة البحثية NOTAI.AI، وهو إطار عمل قابل للتفسير يجمع بين الإشارات القائمة على الانحناء، والميزات العصبية، والميزات الأسلوبية ضمن مصنف XGBoost للكشف عن النصوص المولدة آلياً، مع استخدام SHAP وطبقة نموذج لغوي كبير (LLM) لإنشاء مسوغات منظمة وبلغة طبيعية لقراراته.