12323 ورقة بحثية
يقدم ConfSpec إطار عمل للتحقق المتتالي المعتمد على بوابات الثقة، والذي يستفيد من عدم التماثل بين التوليد والتحقق لحل المفاضلة بين الدقة والسرعة في الاستدلال الاستباقي على مستوى الخطوة، محققاً تسريعاً في الأداء النهائي يصل إلى 2.24 ضعفاً دون المساس بدقة النموذج المستهدف أو اشتراط نماذج حكم خارجية.
تقترح هذه الورقة إطاراً نظرياً لـ "الانهيار الدلالي التقاربي"، موضحاً كيف تتقارب الأنظمة متعددة الوكلاء الهرمية نحو حالة دلالية موحدة على متشعب ريماني بغض النظر عن تاريخ التحديث، مع التحقق تجريبياً من هذه الديناميكيات من خلال اختبار معياري خالٍ من البيانات على نموذج RWKV-7.
تستخدم هذه الدراسة إطار عمل لمعالجة اللغات الطبيعية يجمع بين نمذجة المواضيع، والتصنيف صفري المعرفة، وتحليل المشاعر على مراجعات متاجر التطبيقات لتحديد المخاوف الأخلاقية القائمة والناشئة في تطبيقات الصحة النفسية المدعومة بالذكاء الاصطناعي، بهدف اقتراح نظام لتعزيز عدالتها وشفافيتها وموثوقيتها.
تقدم هذه الورقة مفهوم "اللاوعي الخوارزمي" لتجادل بأن التحيزات الكبيرة في النماذج اللغوية الكبيرة لا تنشأ مجرد من تكوين مجموعات البيانات، بل من آليات هيكلية متأصلة مثل التجزئة (tokenization)، والانتباه (attention)، والمحاذاة (alignment)، مبرهنةً من خلال التحليل التجريبي لفرط التجزئة في اللغة العربية كيف تعمل هذه العوامل البنيوية على تشويه أداء النموذج بشكل منهجي وتستوجب إطاراً جديداً للتدقيق التقني.
بالاستناد إلى مقابلات مع ٢٢ ممارساً، تنتقد هذه الورقة التركيز التقني الحالي لعمليات "الفريق الأحمر" (red teaming) لنماذج اللغات الكبيرة من خلال فحص الممارسات الاجتماعية-التقنية لإنشاء مجموعات البيانات وتقييمها، كاشفةً كيف يغفل تصور المخاطر غالباً عن السياق وخصوصية المستخدم، مع اقتراح اتجاهات جديدة لأبحاث التفاعل بين الإنسان والحاسوب (HCI).
تقدم هذه الورقة البحثية GLiNER-bi-Encoder، وهي بنية مشفر ثنائي (bi-encoder) مبتكرة تتغلب على التعقيد التربيعي لنماذج التعرف على الكيانات المسماة (NER) التقليدية لتمكين التعرف صفرِي القدرة (zero-shot) عالي الكفاءة والتميز على ملايين أنواع الكيانات، إلى جانب إطار عمل GLiNKER للربط عالي الأداء للكيانات.
تقدم هذه الورقة البحثية تصميم المكافأة الهرمي من اللغة (HRDL) وحله، "من اللغة إلى المكافآت الهرمية" (L2HR)، لترجمة المواصفات البشرية الدقيقة إلى دالات مكافأة هرمية تضمن مواءمة سلوك وكيل الذكاء الاصطناعي بشكل أفضل مع التوقعات البشرية في المهام المعقدة طويلة المدى.
تقدم هذه الورقة DP-RFT، وهو إطار عمل للتعلم التعزيزي بخصوصية تفاضلية يُمكّن النماذج اللغوية الكبيرة من توليد بيانات اصطناعية عالية الدقة عبر التحسين التكراري مقابل أصوات الجار الأقرب التي تحافظ على الخصوصية من مجموعة بيانات خاصة، مما يحقق فائدة قوية دون الحاجة إلى الوصول المباشر إلى الأمثلة الخاصة الفردية.
تقترح هذه الورقة نظاماً جديداً للتحقق من الادعاءات في النطاق المفتوح يستفيد من النماذج اللغوية الكبيرة والاسترجاع متعدد المصادر لتجميع الأدلة من وجهات نظر متنوعة، بما في ذلك المعلومات المتناقضة، مما يعزز دقة التحقق والشفافية والقابلية للتفسير مقارنة بالنهج التقليدي أحادي المصدر.
تقترح هذه الورقة إطاراً نظرياً عملياتياً يُسمى "نظرية الركيزة الدلالية" (Semantic Substrate Theory) يوحد إشارات الانزياح الدلالي المتباينة في نموذج هندسي واحد مرتبط زمنياً، مُقدمةً مفاهيم مثل "الكتلة الجسرية" و"الانزياح التكراري" للتنبؤ بإعادة صياغة الجوار مع تأجيل التحقق التجريبي إلى دراسات مستقبلية.