12380 ورقة بحثية
تستخدم هذه الورقة تحليلاً موضوعياً حوسبياً واسع النطاق ومعززاً بالنماذج اللغوية الكبيرة لخطاب منصة "ريديت" لتحديد وتصنيف المخاطر النفسية والتجارب العاطفية — مثل الإدمان والخوف بشأن الاستقلالية — المرتبطة باستخدام الذكاء الاصطناوي التوليدي.
تقيم هذه الدراسة كيفية تمثيل النماذج اللغوية الكبيرة للتباين المعجمي الجغرافي في اللغة الإسبانية، وتجد أنها تُظهر انحيازات لهجية منهجية لا يمكن تفسيرها بمجرد حجم الموارد الرقمية المتاحة وحدها.
تقترح الورقة البحثية **BiasScope**، وهو إطار عمل مؤتمت مدفوع بنماذج اللغات الكبيرة (LLM) مصمم للاكتشاف الاستباقي للانحيازات غير المعروفة في عمليات التقييم القائمة على نموذج "النموذج اللغوي الكبير كحكم" (LLM-as-a-judge)، وتقدم **JudgeBench-Pro**، وهو معيار اختبار أكثر تحدياً يكشف عن فجوات كبيرة في الموثوقية حتى في أقوى المقيمين الحاليين.
يقدم TVTSyn نظاماً لتوليف الكلام القابل للبث يحسن تحويل الصوت وإخفاء الهوية في الوقت الفعلي من خلال استبدال تضمينات المتحدث الثابتة بتمثيل طابع صوتي متغير زمنياً ومتزامن مع المحتوى، مما يربط الهوية بالمحتوى الزمني.
تتقصى هذه الورقة ما إذا كانت النماذج اللغوية الكبيرة تُظهر عدم استقراراً أخلاقياً شبيهًا بالبشر من خلال إثبات أن حقن مشتتات ظرفية غير ذات صلة أخلاقياً يمكن أن يغير أحكامها الأخلاقية بنسبة تتجاوز 30%، حتى في السيناريوهات منخفضة الغموض.
تقترح الورقة البحثية طريقة "الاتساق الذاتي المعتمد على صعوبة التنشيط" (ACTSC)، وهي طريقة تقلل من تكلفة الاستدلال لآلية الاتساق الذاتي باستخدام مسبار خفيف الوزن يعتمد على تنشيطات العصبونات الداخلية لتعديل عدد عينات الاستدلال ديناميكيًا دون الحاجة إلى استدعاءات إضافية للنموذج أو أخذ عينات مسبقة.
تقترح هذه الورقة مخطط كشف قناع مُشرف لنماذج لغة الانتشار المقنعة، يعمل على تحسين جودة التوليد والاستدلال المنطقي من خلال تعلم محاكاة ترتيب كشف قناع مثالي مستمد من هوامش ثقة الرموز في البيانات الحقيقية.
يركز مختبر CheckThat! الخاص بـ CLEF-2026 على تعزيز مكافحة التضليل الإعلامي متعدد اللغات من خلال ثلاث مهام أساسية: استرجاع المصادر العلمية، والتحقق من صحة الادعاءات الرقمية والزمنية، وإنشاء مقالات شاملة للتحقق من الحقائق.
تقدم هذه الورقة دراسة تجريبية شاملة عبر ثماني مجموعات بيانات متعددة المجالات، تُظهر أن فعالية استرجاع المعلومات المعزز بالتوليد (RAG) في المحادثات تعتمد على المواءمة بين استراتيجيات الاسترجاع وخصائص مجموعة البيانات أكثر من اعتمادها على تعقيد الطريقة، حيث تتفوق التقنيات الأبسط مثل إعادة الترتيب (reranking) وHyDE غالباً على النهج الأكثر تقدماً.
تقدم الورقة البحثية LEMUR، وهو متن لغوي متعدد اللغات واسع النطاق للتشريعات البيئية للاتحاد الأوروبي، وتثبت أن الضبط الدقيق لنماذج التضمين متعددة اللغات على هذه البيانات عالية الدقة يحسن بشكل كبير من دقة استرجاع المعلومات القانونية، لا سيما في سيناريوهات الموارد المنخفضة وعبر اللغات.