12323 ورقة بحثية
تقدم هذه الورقة البحثية ActHook، وهي أول طريقة للعلامات المائية مصممة لحماية مجموعات بيانات مسارات وكلاء النماذج اللغوية الكبيرة (LLM agent trajectory datasets) عبر تضمين إجراءات خطافية (hook actions) يتم تفعيلها سرياً، مما يتيح كشف ملكية الصندوق الأسود بشكل موثوق دون المساس بأداء المهام.
تقدم هذه الورقة البحثية ArabicNumBench، وهو معيار شامل لتقييم 71 نموذجاً من النماذج اللغوية الكبيرة في مهام قراءة الأرقام العربية عبر سياقات واستراتيجيات تحفيز متنوعة، كاشفةً أنه في حين أن تقنية "سلسلة الأفكار" (Chain-of-Thought) في وضع التعلم من أمثلة قليلة تعزز الدقة بشكل كبير، فإن الأداء الرقمي العالي غالباً ما يفشل في الارتباط بالتوليد المتسق للمخرجات المهيكلة.
تقترح الورقة البحثية MANATEE، وهي آلية دفاع في وقت الاستدلال تستفيد من تقدير الكثافة القائم على الانتشار لإسقاط الحالات الخفية الشاذة إلى مناطق آمنة، مما يخفف بفعالية من هجمات كسر الحماية دون الحاجة إلى بيانات تدريب ضارة أو تعديلات هيكلية مع الحفاظ على فائدة النموذج.
تقدم هذه الورقة إطاراً معرفياً فوق-معرفي ذا أسس نفسية يعمل على تشغيل دورة "آن براون" التنظيمية ضمن "متحكم فوقي" (MetaController) ثنائي العملية وخفيف الوزن، مما يعزز بشكل كبير قدرة النماذج اللغوية الكبيرة على تشخيص الأخطاء وتصحيحها ذاتياً عبر مختلف معايير الاستدلال، مع اكتساب تفضيل بشري قوي من حيث الموثوقية.
تقدم الورقة البحثية DeepInnovator، وهو إطار تدريب يعزز القدرات الابتكارية للنماذج اللغوية الكبيرة من خلال الاستفادة من مسار مؤتمت لاستخراج المعرفة العلمية المهيكلة ونموذج "التنبؤ بالفكرة التالية" لنمذجة توليد الأفكار البحثية كعملية تكرارية من التخمين والتفنيد، مما ينتج عنه نموذج يتفوق بشكل كبير على النماذج المرجعية وينافس النماذج اللغوية الكبيرة الرائدة في توليد أفكار بحثية مبتكرة.
تقدم هذه الورقة Yor-Sarc، وهي أول مجموعة بيانات بمعايير ذهبية للكشف عن السخرية في لغة يوربا الأفريقية ذات الموارد المحدودة، والتي تضم 436 حالة مشروحة ثقافياً مع اتفاق عالٍ بين المقيّمين لتعزيز التفسير الدلالي وأبحاث معالجة اللغات الطبيعية في المنطقة.
تقدم الورقة البحثية "Whisper: Courtside Edition"، وهو مسار عمل جديد لنماذج اللغات الكبيرة متعددة الوكلاء (multi-agent LLM pipeline) يحسن بشكل كبير أداء التعرف التلقائي على الكلام (ASR) الخاص بمجال محدد في التعليق الرياضي لمباريات الدوري الأمريكي لكرة السلة (NBA) من خلال توليد مطالبات مدركة للسياق لتوجيه وحدة فك التشفير، محققاً انخفاضاً نسبياً بنسبة 17.0% في معدل خطأ الكلمات دون الحاجة إلى إعادة تدريب النموذج.
تقدم هذه الورقة "General AgentBench"، وهو معيار موحد لتقييم وكلاء النماذج اللغوية الكبيرة (LLM) للأغراض العامة عبر مجالات متنوعة، كاشفةً أن الوكلاء الحاليين يعانون من تدهور كبير في الأداء في الإعدادات العامة، وأن لا التوسع في وقت الاختبار المتسلسل ولا المتوازي يحسن النتائج بفعالية بسبب سقوف السياق وفجوات التحقق.
تُثبت هذه الورقة أن إخفاقات الوكيل اللغوي في المهام طويلة المدى ناتجة أساساً عن الانحراف العشوائي عن مسار الحل النموذجي للمهمة بدلاً من كونها ناتجة عن قيود في القدرات، مما يكشف أن مراقبة المسارات التي تنحرف عن هذا المسار وإعادة تشغيلها يحسن الموثوقية بشكل كبير دون الحاجة إلى توسيع نطاق النموذج.
تقدم هذه الورقة هجوم إعادة بناء البيانات النشط (ADRA)، وهو عائلة جديدة من هجمات استنتاج العضوية التي تستفيد من التعلم المعزز في السياسة المتبعة لضبط النموذج المستهدف بدقة من أجل إعادة بناء النصوص، مما يحقق دقة كشف أعلى بكثير لبيانات تدريب النماذج اللغوية الكبيرة مقارنة بالطرق السلبية الحالية.