12021 ورقة بحثية
تقدم هذه الورقة Sparse-BitNet، وهو إطار عمل موحد يوضح أن نماذج BitNet ذات الـ 1.58 بت هي بطبيعتها أكثر توافقًا مع التناثر شبه المهيكل N:M من النماذج ذات الدقة الكاملة، مما يتيح تدريبًا مستقرًا، وتقليل تدهور الأداء، وتسريعًا كبيرًا في كل من التدريب والاستدلال.
تقترح هذه الورقة إطاراً منهجياً لتوصيف وتصور بنيات الحجاج القانوني في القرارات القضائية الصينية من خلال تحديد أربعة أنواع من القضايا وخمسة أنواع من العلاقات لتمكين تحليل حوسبي متسق وقابل للتكرار للاستدلال القضائي.
تقدم هذه الورقة إطار عمل عامًا لاشتقاق نماذج لغوية جديدة عبر تركيب النماذج مسبقة التدريب مع محولات الحالة المحدودة الحتمية، مما يتيح تهميش الاحتمالات والاشتراط بكفاءة لتكييف المخرجات مع تنسيقات متنوعة مثل البايتات، أو الكلمات، أو الأحماض الأمينية دون الحاجة لإعادة التدريب.
تقترح هذه الورقة إطار عمل مبتكرًا يستخلص الدلالات الهندسية لمنطق الزمن الإشاري إلى مشفر "ترانسفورمر" عبر محاذاة النواة، مما يتيح تمثيلات عصبية فعالة، وعكوسة، وأمينة دلاليًا تتغلب على القيود الحسابية للنوى الرمزية والقصور الهيكلي للتمثيلات القائمة على بناء الجملة.
تقترح هذه الورقة إطار عمل GraphRAG حتميًا وفعالًا يستبدل تجميع "لايدن" (Leiden clustering) غير القابل لإعادة الإنتاج بتفكيك الـ "k-core" واستدلالات خفيفة الوزن لتحسين الإدراك العالمي، وشمولية الإجابة، والتنوع، مع تقليل تكاليف الرموز (tokens) عبر مجموعات بيانات متنوعة من العالم الحقيقي.
تقترح هذه الورقة استراتيجية لتقليم المفردات من أجل فك التشفير التخميني، حيث تصيغ عملية اختيار مفردات النموذج المسودة كمسألة تحسين مقيدة للموازنة بين تغطية الرموز وزمن الاستج้าة، محققةً تحسينات كبيرة في معدل الإنتاجية وخفضاً في زمن الاستجابة من خلال تخصيص المفردات لتناسب أعباء العمل الخاصة بمجالات معينة.
تقدم هذه الورقة VietJobs، وهو أول متن عام واسع النطاق يضم 48,092 إعلاناً وظيفياً باللغة الفيتنامية، ويختبر نماذج اللغات الكبيرة التوليدية في مهام مثل تصنيف الوظائف وتقدير الرواتب لتعزيز معالجة اللغات الطبيعية للفيتنامية وتحليلات سوق العمل.
يُعد SarcasmMiner إطار عمل للتدريب اللاحق يعتمد على التعلم المعزز، حيث يوظف استراتيجية تقطير ثنائية المسار باستخدام نموذج مكافأة توليدي وتحسين السياسة النسبي للمجموعات لتعزيز الاستدلال القوي للسخرية السمعية البصرية بشكل كبير وتقليل الهلوسة في النماذج التأسيسية.
تقدم الورقة البحثية Med-V1، وهي عائلة من النماذج اللغوية الصغيرة ذات الكفاءة والتي تضم 3 مليارات معلمة، والتي تم تدريبها على بيانات اصطناعية وتحقق أداءً يضاهي النماذج الرائدة مثل GPT-5 في مجالي عزو الأدلة الطبية الحيوية والكشف عن الهلوسة، مع تمكين تطبيقات قابلة للتوسع مثل تحليل صحة الاستشهاد وتحديد الأخطاء في عزو الأدلة في الإرشادات السريرية.
تقدم هذه الورقة PersianPunc، وهي مجموعة بيانات ضخمة تضم 17 مليون عينة، ونموذج ParsBERT مضبوط بدقة يحقق درجة F1 متوسطة قدرها 91.33% لاستعادة علامات الترقيم في اللغة الفارسية، مما يوفر بديلاً أكثر كفاءة ودقة للنماذج اللغوية الكبيرة للتطبيقات في الوقت الفعلي.