cs.CL ورقة بحثية

Learning to Stay Safe: Adaptive Regularization Against Safety Degradation during Fine-Tuning

تقدم هذه الورقة إطاراً للتنظيم التكيفي يعمل على تقييد تحديثات الضبط الدقيق ديناميكياً بناءً على تقديرات مخاطر السلامة في الوقت الفعلي —المستمدة إما من ناقد قائم على التقييم أو متنبئ قائم على التنشيط— لمنع تدهور السلامة بفعالية مع الحفاظ على فائدة النموذج دون تكبد أي تكلفة أثناء وقت الاستدلال.

Jyotin Goel, Souvik Maji, Pratik Mazumder2026-02-20

💬 NLP

Unmasking the Factual-Conceptual Gap in Persian Language Models

تقدم هذه الورقة البحثية DivanBench، وهو معيار تشخيصي لنماذج اللغة الفارسية يكشف عن فجوة كبيرة بين استرجاع الحقائق الثقافية والاستدلال بشأن المعايو الاجتماعية الضمنية، مما يثبت أن النماذج الحالية تعاني من انحياز الموافقة وتفشل في استيعاب المخططات الثقافية رغم التدريب المسبق المستمر.

Alireza Sakhaeirad, Ali Ma'manpoosh, Arshia Hemmat2026-02-20

💬 NLP

Pushing the Frontier of Black-Box LVLM Attacks via Fine-Grained Detail Targeting

تقدم هذه الورقة البحثية M-Attack-V2، وهو تحسين معياري لإطار عمل M-Attack يستخدم محاذاة المحاصيل المتعددة (Multi-Crop Alignment)، ومحاذاة الهدف المساعد (Auxiliary Target Alignment)، وزخم الرقعة (Patch Momentum) لاستقرار تحسين التدرج وتعزيز معدلات نجاح الهجمات العدائية في الصندوق الأسود بشكل كبير على نماذج اللغة والرؤية الكبيرة الرائدة.

Xiaohan Zhao, Zhaoyi Li, Yaxin Luo, Jiacheng Cui, Zhiqiang Shen2026-02-20

💬 NLP

Sink-Aware Pruning for Diffusion Language Models

تقدم هذه الورقة البحثية "التقليم الواعي للمصرف" (Sink-Aware Pruning)، وهي طريقة تعمل على تحسين كفاءة نماذج اللغات الانتشارية من خلال تحديد وإزالة رموز "مصرف الانتباه" العابرة —وهي استراتيجية تختلف عن النماذج ذات الترتيب الذاتي حيث يتم الحفاظ عادةً على المصارف— مما يحقق مقايضات فائقة بين الجودة والكفاءة دون الحاجة إلى إعادة التدريب.

Aidar Myrzakhan, Tianyi Li, Bowei Guo, Shengkun Tang, Zhiqiang Shen2026-02-20

💬 NLP

Standardizing the Measurement of Text Diversity: A Tool and a Comparative Analysis of Scores

تقدم هذه الورقة "diversity"، وهي حزمة برمجية مفتوحة المصدر بلغة بايثون ومنصة تفاعلية تعمل على توحيد معايير قياس تنوع النصوص في مخرجات النماذج اللغوية الكبيرة (LLMs) من خلال التحقق التجريبي من أن الجمع بين مقاييس منخفضة الارتباط — بما في ذلك نسب الضغط، والتكرار الذاتي لـ n-gram الطويل، وSelf-BLEU، وBERTScore — ينجح بفعالية في رصد أنماط تكرار النصوص.

Chantal Shaib, Venkata S. Govindarajan, Joe Barrow, Jiuding Sun, Alexa F. Siu, Byron C. Wallace, Ani Nenkova2026-02-19

💬 NLP

RoboSpatial: Teaching Spatial Understanding to 2D and 3D Vision-Language Models for Robotics

تقدم هذه الورقة البحثية RoboSpatial، وهو عبارة عن مجموعة بيانات واسعة النطاق تضم مليون صورة، و5,000 مسح ثلاثي الأبعاد، و3 ملايين علاقة مكانية مشروحة من مشاهد داخلية وطاولات حقيقية، صُممت لتعزيز قدرات الاستدلال المكاني لنماذج الرؤية واللغة ثنائية وثلاثية الأبعاد المخصصة للروبوتات من خلال معالجة نقص فهم الإطار المرجعي في بيانات التدريب الحالية.

Chan Hee Song, Valts Blukis, Jonathan Tremblay, Stephen Tyree, Yu Su, Stan Birchfield2026-02-19

💬 NLP

Improving Customer Service with Automatic Topic Detection in User Emails

تقدم هذه الدراسة مسار معالجة لغة طبيعية (NLP) جاهز للإنتاج وغير مرتبط بلغة محددة باستخدام BERTopic، يحقق دقة عالية (درجة F1 تبلغ 0.96) ومعالجة سريعة (0.041 ثانية لكل بريد إلكتروني) لتصنيف وتوسيم رسائل البريد الإلكتروني لخدمة العملاء باللغة الصربية تلقائياً، مما يحسن الكفاءة التشغيلية لشركة Telekom Srbija بشكل كبير.

Bojana Bašaragin, Darija Medvecki, Gorana Gojić, Milena Oparnica, Dragiša Mišković2026-02-19

💬 NLP

VerifyBench: Benchmarking Reference-based Reward Systems for Large Language Models

تقدم هذه الورقة VerifyBench وVerifyBench-Hard، وهما معياران جديدان صُمِّما لتقييم أنظمة المكافأة القائمة على المراجع لنماذج الاستدلال الكبيرة، مما يكشف أنه بينما تُظهر أدوات التحقق الحالية واعداً في المهام القياسية، إلا أنها لا تزال تتطلب تحسيناً كبيراً في الحالات الصعبة لدعم تدريب التعلم التعزيزي بشكل كامل.

Yuchen Yan, Jin Jiang, Zhenbang Ren, Yijun Li, Xudong Cai, Yang Liu, Xin Xu, Mengdi Zhang, Jian Shao, Yongliang Shen, Ju (…)2026-02-19

💬 NLP

GDGB: A Benchmark for Generative Dynamic Text-Attributed Graph Learning

تقدم هذه الورقة GDGB، وهو معيار مرجعي شامل يتميز بثماني مجموعات بيانات عالية الجودة للرسوم البيانية الديناميكية ذات النصوص المنسوبة (Dynamic Text-Attributed Graph)، ومهمتين توليديتين جديدتين (TDGG وIDGG)، ومقاييس تقييم متعددة الأوجه، وإطار عمل قائم على النماذج اللغوية الكبيرة (GAG-General) لمعالجة نقص الموارد المعيارية لتعلم الرسوم البيانية الديناميكية التوليدية ذات النصوص المنسوبة.

Jie Peng, Jiarui Ji, Runlin Lei, Zhewei Wei, Yongchao Liu, Chuntao Hong2026-02-19

💬 NLP

SNAP-UQ: Self-supervised Next-Activation Prediction for Single-Pass Uncertainty in TinyML

تقدم هذه الورقة البحثية SNAP-UQ، وهي طريقة لتقدير عدم اليقين في مرحلة واحدة وذات كفاءة في استهلاك الموارد للتعلم الآلي الضئيل (TinyML)، والتي تستفيد من التنبؤ بالتنشيط التالي ذاتي الإشراف للكشف عن حالات الفشل والتحولات في التوزيع على المتحكمات الدقيقة دون الحاجة إلى مخازن مؤقتة زمنية أو تجاوز قيود الذاكرة وزمن الاستجابة الصارمة.

Ismail Lamaakal, Chaymae Yahyati, Khalid El Makkaoui, Ibrahim Ouahbi, Yassine Maleh2026-02-19

→ السابق التالي ←