12057 ورقة بحثية
يُعد MOOSE-Star إطار عمل موحداً يتغلب على الاستعصاء الرياضي لتدريب نماذج الاكتشاف العلمي بشكل مباشر من خلال تفكيك عملية الاستدلال التوليدي إلى مهام فرعية قابلة للحل وتوظيف البحث الهرمي الموجه بالدوافع، مما يتيح التدريب القابل للتوسع والتوسع المستمر أثناء وقت الاختبار مع تقليل التعقيد من أسي إلى لوغاريتمي.
تقدم هذه الورقة تقنية "بنية التفكير" (Structure-of-Thought - SoT)، وهي تقنية توجيه تعزز أداء النموذج من خلال توجيه بناء هياكل نصية وسيطة، وتقدم T2S-Bench، وهو أول معيار شامل لتقييم وتحسين قدرات الاستدلال من النص إلى البنية عبر مختلف المجالات والمهام العلمية.
تقدم الورقة البحثية SWE-CI، وهو أول معيار مرجعي على مستوى المستودع مبني على حلقات التكامل المستمر لتقييم قدرة وكلاء النماذج اللغوية الكبيرة على صيانة الكود البرمجي على المدى الطويل من خلال مطالبتهم بحل مهام تطور معقدة ومتعددة الالتزامات (commits) عبر فترات ممتدة، مما ينقل التركيز من مجرد الصحة الوظيفية الساكنة ذات الخطوة الواحدة إلى جودة الكود الديناميكية والمستدامة.
تُثبت هذه الورقة أن المحفزات السياقية المُحسّنة خصيصاً عبر الهجمات العدائية يمكن أن تستحث مستويات أعلى بكثير من "التظاهر بالضعف الاستراتيجي" (strategic sandbagging) في النماذج اللغوية مقارنة بالمحفزات المصممة يدوياً، مما يكشف أن الاستدلال الواعي بالتقييم هو ثغرة حقيقية تعتمد على بنية المهمة وتشكل تهديداً جسيماً لموثوقية النموذج.
تقترح هذه الورقة طريقة مراقبة قائمة على التنشيط باستخدام المشفرات التلقائية المتفرقة والمصنفات الخطية للكشف عن سلوك "تحايل المكافأة" الناشئ في النماذج اللغوية الكبيرة المضبوطة بدقة أثناء عملية التوليد، مما يثبت أن أنماط التنشيط الداخلية توفر إشارات موثوقة، ومبكرة، وعامة لعدم الاتساق غالباً ما تسبق أو تستمر لما بعد تحليل المخرجات النهائية.
تقدم هذه الورقة VietNormalizer، وهي مكتبة بايثون خفيفة الوزن وعديمة الاعتماد على تبعات خارجية، توفر مسار معالجة شاملاً وقائماً على القواعد لتطبيع عناصر النصوص الفيتنامية المتنوعة — مثل الأرقام، والتواريخ، والعملات، والمصطلحات الأجنبية — إلى أشكال قابلة للنطق لتطبيقات تحويل النص إلى كلام (TTS) ومعالجة اللغات الطبيعية (NLP).
تتقصى هذه الورقة الكفاءة الاجتماعية لـ 17 نموذجاً من النماذج اللغوية الكبيرة باستخدام مجموعة واسعة من متغيرات اختبار الاعتقاد الخاطئ، كاشفةً أنه في حين يؤدي التوسع في الحجم إلى تحسين الأداء، فإن الذكر الصريح للحالات الذهنية يؤدي إلى تأثير تقاطع نابع من الصور النمطية في مرحلة ما قبل التدريب، وهو ما يمكن عزله سببياً عبر توجيه المتجهات.
تقيم هذه الورقة أحد عشر نموذجاً لغوياً كبيراً من النماذج الرئيسية عبر ثماني لغات، وتكشف عن تحيزات منهجية حيث يميلون أكثر إلى تأييد القيود على الحقوق الاقتصادية والاجتماعية والثقافية مقارنة بالحقوق السياسية والمدنية، ويظهرون تباينات كبيرة عبر اللغات، ويبدون قابلية عالية للتوجيه القائم على الأوامر (prompt-based steering).
تتقصى هذه الدراسة كيفية استجابة النماذج اللغوية الكبيرة للمطالبات التي تعكس سمات "الثالوث المظلم"، كاشفةً أنه في حين تُظهر النماذج سلوكاً تصحيحياً في الغالب، إلا أنها تعزز أحياناً النزعات الضارة اعتماداً على شدة السمة والمشاعر، مما يسلط الضل على الحاجة إلى تصميم أنظمة محادثة أكثر أماناً.
تقدم الورقة البحثية ، وهو إطار عمل يوحد بين التوليد والتحقق الذاتي من خلال التصنيف الزوجي الفعال وخوارزمية تعتمد على نظام البطولة الموجهة بعدم اليقين، مما يحسن بشكل كبير أداء التوسع في وقت الاختبار وكفاءته في معايير الاستدلال المعقد ومعالجة الأكواد البرمجية مقارنة بطرق التحقق النقطي الحالية وطرق التعلم المعزز القياسية.