11158 ورقة بحثية
تقدم هذه الورقة Social Gym، وهو معيار ألعاب متعدد الوكلاء قابل للتحقق لتقييم الاستدلال الاجتماعي للنماذج اللغوية الكبيرة بشكل موضوعي، وSPaRTan، وهو إطار عمل للتحسين الذاتي لا يتطلب تدريباً يستفيد من التأمل وكتيبات اللعب القابلة للنقل لتعزيز الأداء في أدوار ألعاب محددة دون الحاجة إلى تحديث أوزان النموذج.
تقترح هذه الورقة نسخة احتمالية من التفويض الواعي بالخصوصية تستخدم مقياس تقدير الـ k-anonymity المدفوع بنماذج اللغات الكبيرة (LLM) ومجموعة بيانات PUPA-SD التي تم إنشاؤها حديثاً لحماية المستخدمين بشكل أفضل من مخاطر الخصوصية الناجمة عن الإفصاحات الذاتية الخالية من معلومات الهوية الشخصية (PII)، مما يثبت أن هذا النهج يحقق توازناً أمثلاً بين الخصوصية والمنفعة لنماذج مثل Llama-3.2-3B.
تقدم الورقة البحثية UNSPECIFIC، وهو إطار عمل ومعيار جديد مصمم للقضاء على اختصارات النسخ واللصق في اتباع التعليمات من قبل النماذج اللغوية الكبيرة، وذلك عبر توليد قيود مشتركة لمقالات مرجعية متشابهة وتقييم الاستجابات على كل من النصوص الكاملة والملخصات لضمان الالتزام الحقيقي بدلاً من النسخ السطحي.
تقدم هذه الورقة تصميم وتنفيذ نظام ترجمة للنصوص الطويلة قابل للاسترداد، يعمل على التخفيف من حدة إخفاقات مستوى واجهة برمجة التطبيقات (API) عن طريق تأخير إصدار المخرجات، والتحقق من صحة النتائج المجمعة، وتوظيف بروتوكول إعادة محاولة مهيكل مع تتبع المصدر لضمان تسليم نص قابل للاستخدام رغم الانقطاعات أو عمليات التصفية.
تقدم هذه الورقة البحثية EmoS، وهو إطار عمل قائم على النظرية يتكون من معيار التقييم EmoSBench، ومجموعة بيانات EmoDialogue، ونموذج متخصص تم تدريبه باستخدام تقنيات تحسين متقدمة لتقليص الفجوة بشكل كبير بين نماذج اللغة المنطوقة الحالية والذكاء العاطفي على المستوى البشري.
تقدم الورقة البحثية UNMASK، وهو مسار عمل مؤتمت بالكامل يكتشف الارتباطات الزائفة في مصنفات النصوص ويتحقق منها سببياً ويخفف من حدتها دون الحاجة إلى تسميات توضيحية بشرية إضافية، مما يؤدي إلى تحسين المتانة في معايير القياس خارج نطاق التوزيع ويمكّن إعادة وزن المجموعات بدون تسميات توضيحية.
تقدم هذه الورقة البحثية WarehouseReliabilityBench وتثبت أن وكيل تحليل يعتمد على القواعد (QueryProof) بحجم 7 مليارات معلمة يتفوق بشكل كبير على نموذج أساسي بحجم 32 مليار معلمة يتم توجيهه مباشرة، وذلك في تحقيق "الحقيقة التجارية" عبر إعطاء الأولوية لعمليات التحقق الحتمية بعد التنفيذ والاستيضاح على دقة بناء جمل SQL الخام، كل ذلك مع تقليل التكاليف.
تقدم هذه الورقة تحليلاً واسع النطاق لقوائم مراجعة معالجة اللغات الطبيعية المسؤولة الخاصة بـ EMNLP 2025، كاشفةً أن التنفيذ الحالي غالباً ما ينحدر إلى مجرد عملية سطحية لاستيفاء المتطلبات تتسم بضعف المبررات، والتناقضات المنطقية، وتهميش الأخلاقيات باعتبارها فكرة ثانوية.
تقدم هذه الورقة ComboShoppingBench، وهو معيار مرجعي مبتكر مصمم لتقييم وكلاء النماذج اللغوية الكبيرة (LLMs) في مهام تسوق السلال المعقدة والمقيدة بالميزانية، وذلك من خلال الجمع بين التقييم الدلالي والتحقق الحتمي لمعالجة تحديات التحقق من مجموعات المنتجات الممكنة، والمُحسّنة باستخدام الكوبونات، والمتوافقة.
تقدم هذه الورقة البحثية FiscalQA Pro، وهو معيار مرجعي يوضح أن أنظمة استرجاع المعلومات المعززة بالتوليد (RAG) القانونية القياسية تفشل في التعامل مع الخطأ الزمني في تحديد المراجع في قانون الضرائب الفرنسي من خلال استرجاع النسخ الحالية فقط من المواد، وتُظهر أن نظام استرجاع مدرك للإصدارات يمكنه تحقيق دقة بنسبة 98.3% مقارنة بالأداء الذي يقترب من الصفر للنهج الثابت.