12323 ورقة بحثية
تُظهر هذه الدراسة أنه بينما تمتلك النماذج اللغوية الكبيرة معرفة واقعية متأصلة، فإن دقة التحقق من الحقائق المعززة بالاسترجاع تنخفض بشكل ملحوظ مع زيادة طول السياق، وتعتمد بشكل حاسم على موضع الدليل، حيث يتراجع الأداء عندما تظهر المعلومات ذات الصلة في منتصف المطالبة.
تقدم هذه الورقة MCPShield، وهي طبقة إدراك أمني قابلة للإضافة تخفف من عدم توافق الثقة في وكلاء بروتوكول سياق النموذج (MCP) عبر توظيف الاستقصاء الموجه بالبيانات الوصفية والتفكير ما بعد الاستدعاء للدفاع بقوة ضد الهجمات المتنوعة مع الحفاظ على انخفاض التكاليف التشغيلية والقدرة العالية على التعميم عبر مختلف النماذج اللغوية الكبيرة.
يُعد GLM-5 نموذجاً تأسيسياً من الجيل التالي ينتقل من "البرمجة القائمة على الانطباع" (vibe coding) إلى "الهندسة الوكيلة" (agentic engineering) عبر الاستفادة من هياكل البيانات والخوارزميات (DSA) لرفع كفاءة التكلفة، والتعلم التعزيزي غير المتزامن المبتكر لتحقيق أداء رائد في مهام هندسة البرمجيات المعقدة والمتكاملة.
تقارن هذه الدراسة بين المقالات الثابتة، وروبوتات الدردشة، والألعاب القائمة على النصوص لتعزيز تعلم الاستدامة الإقناعي، كاشفةً أنه في حين أن روبوتات الدردشة هي الأكثر فعالية في تعزيز الأهمية المدركة، فإن الألعاب القائمة على النصوص تحقق استبقاءً معرفياً فائقاً على المدى الطويل رغم انخفاض تقييمات التعلم الذاتية، مما يسلط الضل على انفصال حاسم بين تفاعل المستخدم ونتائج التعلم الفعلية.
تقدم هذه الورقة INSURE-Dial، وهو أول معيار مرجعي عام يتكون من مكالمات تحقق تأمينية حقيقية واصطناعية مشروحة ببيانات امتثال ذات بنية مرحلية لتقييم وتحسين الوكلاء الصوتيين في اكتشاف مراحل المكالمة والتحقق من المعلومات والامتثال الإجرائي.
تعلن ورشة عمل BabyLM لعام 2026 عن النسخة الرابعة من تحديها، حيث تقدم مساراً جديداً متعدد اللغات للغات الإنجليزية والهولندية والصينية إلى جانب المسارات القياسية المقتصرة على اللغة الإنجليزية فقط، مع دعوة الأوراق البحثية حول النمذجة المعرفية، وكفاءة التدريب، وتطوير النماذج اللغوية صغيرة النطاق.
تقوم هذه الورقة البحثية بتقييم نماذج اللغة المقطرة لإثبات أن تقطير المعرفة استراتيجية عالية الكفاءة لإنشاء نماذج صغيرة ومتاحة تحقق قدرات استنتاجية تضاهي أو تتجاوز النماذج الأكبر منها بكثير مع تقليل التكاليف الحسابية بشكل جذري.
تقدم هذه الورقة ConceptRM، وهي طريقة مبتكرة تستفيد من التدريس المشترك والتحليل القائم على الإجماع في مجموعات البيانات المضطربة مع حد أدنى من تعليقات الخبراء لتحديد العينات السلبية الموثوقة بفعالية من بيانات الإنتاج الصاخبة، مما يحسن بشكل كبير قدرة نماذج الانعكاس على التخفيف من إجهاد التنبيه.
تقدم هذه الورقة MoBiQuant، وهو إطار عمل جديد للكمّ من نوع "خليط البتات" (Mixture-of-Bits) يعالج تحديات النشر المرن للنماذج اللغوية الكبيرة (LLMs) عبر ضبط دقة الأوزان ديناميكيًا بناءً على الحساسية على مستوى الرمز (token-level sensitivity) وموجه مدرك للرموز (token-aware router)، مما يتيح تبديل الدقة بسلاسة أثناء وقت التشغيل دون الحاجة إلى معايرة متكررة مع مطابقة أداء الكمّ بعد التدريب الخاص بكل دقة بت محددة.
تقترح هذه الورقة طريقة تجميع قائمة على الأمثلة المحدبة تضمن الوصول إلى القيم المثلى العالمية وتنتج مواضيع مستقرة وقابلة للتفسير، مما يظهر تفوقاً في القدرة على إعادة الإنتاج والفعالية مقارنة بالنهج التقليدية مثل "K-means" و"LDA" عند تطبيقها على مجموعة ضخمة من الأدبيات الطبية الحيوية المتعلقة بمكافحة الشيخوخة.