12253 ورقة بحثية
تقدم هذه الورقة المهمة المشتركة AVerImaTeC، التي ركزت على تطوير أنظمة التحقق من الادعاءات في الصور والنصوص، مع تفصيل منهجية التقييم، والإفادة بأن جميع المشاركات الست في مرحلة الاختبار قد تفوقت على النموذج المرجعي مع تحقيق الفريق الفائز HUMANE لدرجة قدرها 0.5455، ومناقشة الرؤى الرئيسية المستخلصة من النتائج.
تقدم هذه الورقة البحثية "التقطير العام داخل السياسة" (G-OPD)، وهو إطار عمل يوسع عملية التقطير القياسي داخل السياسة من خلال تمكين نماذج مرجعية مرنة وتوسيع نطاق المكافأة، مما يثبت أن استقراء المكافأة (ExOPD) يسمح للنماذج الطلاب بتجاوز أداء النموذج المعلم، وأن استخدام النموذج الأساسي للمعلم قبل مرحلة التعلم المعزز كمرجع يعزز عملية التقطير بشكل أكبر في حالات الانتقال من النموذج القوي إلى الضعيف.
على الرغم من إظهار الكفاءة الاجتماعية في المعايير المرجعية القياسية، إلا أن GPT-4o يفتقر إلى نظرية عقل متماسكة، وعامة في جميع المجالات، ومتسقة، كما يتضح من فشله في الحفاظ على الاتساق المنطقي بين استنتاجات الحالة الذهنية وتوقعات السلوك.
تقترح هذه الورقة إطار عمل "الاستيعاب البصري المؤجل" (DVI)، الذي يستبدل عملية التضمين المسبق للمحتوى البصري ذات الفقد العالي باستراتيجية فهرسة هرمية قائمة على البنية وتحليل مؤجل عبر النماذج اللغوية البصرية الكبيرة (VLM)، محققاً دقة أعلى بكثير في مهام الأسئلة والأجوبة الخاصة بالوثائق الهندسية كثيفة المحتوى البصري من خلال التغلب على قيود الاسترجاع وفقدان التفاصيل التي تعاني منها طرق "الاستيعاب المسبق" الحالية.
تقدم هذه الورقة البحثية BankMathBench، وهو معيار متخصص مصمم لتقييم وتحسين قدرات الاستدلال العددي للنماذج اللغوية الكبيرة في سيناريوهات مصرفية واقعية، مما يثبت أن التدريب على هذه المجموعة من البيانات يعزز بشكل كبير الدقة في المهام التي تتراوح بين حسابات المنتج الواحد والمقارنات المعقدة متعددة الشروط.
تقدم الورقة البحثية "Duel-Evolve"، وهي طريقة لتوسيع النطاق في وقت الاختبار خالية من المكافآت، تستفيد من التفضيلات الذاتية الثنائية للنموذج اللغوي الكبير ضمن إطار تطوري بايزي لتتفوق بشكل كبير على النماذج المرجعية الحالية في اختبارات الرياضيات والبرمجة دون الحاجة إلى نماذج مكافأة خارجية أو تسميات صحيحة.
تقدم هذه الورقة نظام GYWI، الذي يدمج الرسوم البيانية للمعرفة الخاصة بالمؤلفين المشاركين مع التوليد المعزز بالاسترجاع الهجين والتحسين القائم على التعلم التعزيزي للمطالبات لتعزيز قدرة النماذج اللغوية الكبيرة على توليد أفكار علمية قابلة للضبط والتتبع والابتكار، مما يظهر أداءً فائقًا عبر مقاييس تقييم متعددة مقارنة بالنماذج السائدة.
تقدم هذه الورقة تحليلاً مقارناً لمسارات الاسترجاع وإعادة التصنيف العصبية لعمليات التوليد المعزز بالاسترجاع (RAG) عبر الرسوم البيانية للمعرفة الخاصة بالتجارة الإلكترونية، حيث تُثبت أن التكوينات المُحسّنة على مجموعة بيانات STaRK تتفوق بشكل كبير على المعايير المرجعية الحالية في دقة الاسترجاع، وتضع إطار عمل عملياً لأنظمة RAG المتخصصة والمعدة للإنتاج.
تقيم هذه الورقة الموثوقية الواقعية لمحركات البحث التقليدية، والنماذج اللغوية الكبيرة المستقلة، ونظرات الذكاء الاصطناعي العامة في الويب الصيني من خلال تقديم مجموعة بيانات استعلامات من العالم الحقيقي، مما يكشف عن تفاوتات كبيرة في الدقة ويقدر التعرض الإقليمي الناتج للمستخدمين الصينيين للمعلومات المضللة.
تُظهر هذه الورقة أنه بينما يمكن لـ GPT-5 أن يعمل كمحلل مساعد مستقر لتحليل سياق الاستشهاد الكثيف من خلال توليد فرضيات تفسيرية متنوعة، فإن قراءاته ومفرداته المحددة تتشكل بشكل منهجي بواسطة هيكلة المطالبات، مما يؤدي غالباً إلى تحويل التركيز من التوبيخ إلى النسب مقارنة بإعادة البناء التي يقوم بها الخبراء البشر.