12380 ورقة بحثية
تقيم هذه الورقة قدرة نماذج اللغات الكبيرة المختلفة على معالجة مخططات وحسابات الرواتب المعقدة بدقة، مما يوفر إطارًا لتحديد متى يكون التوجيه النصي كافيًا مقابل متى تكون الأدوات الحسابية الصريحة ضرورية لضمان الدقة في الحالات عالية المخاطر.
تقترح هذه الورقة البحثية "أولوية الرمز" (Token Priority) كإطار عمل لسد فجوة التدرج في الضبط الدقيق الخاضع للإشراف (SFT)، محولةً إياه من مجرد ملاءمة للبيانات إلى عملية دقيقة لإعادة تشكيل التوزيع تعمل على مواءمة توليد النموذج مع المنفعة البشرية من خلال تحسين مستهدف على مستوى الرمز.
يقدم EvoMU إجراء بحث تطوري يكتشف تلقائيًا دوال فقدان "عدم التعلم" الخاصة بالمهام، متفوقًا على الأساليب الحالية في معايير قياسية متعددة مع إثبات أن عالمًا اصطناعيًا مشاركًا يمكنه تحقيق نتائج رائدة باستخدام نموذج صغير النطاق نسبيًا.
تقدم AOrchestra تجريداً للوكلاء غير مرتبط بإطار عمل محدد، يُمكّن منسقاً مركزياً من أتمتة إنشاء وكلاء فرعيين متخصصين ديناميكياً عبر تركيب التعليمات والسياق والأدوات والنماذج، مما يحسن الأداء والكفاءة بشكل كبير عبر الاختبارات المعيارية المعقدة.
تقدم هذه الورقة البحثية ArkTS-CodeSearch، وهي أول مجموعة بيانات ومعيار مفتوح المصدر واسع النطاق مصمم لتعزيز أبحاث استرجاع وذكاء الأكواد للغة البرمجة ArkTS.
تقدم الورقة البحثية "الأنطولوجيا التوليدية" (Generative Ontology)، وهي إطار عمل يجمع بين الصرامة الهيكلية للأنطولوجيات الرسمية (عبر مخططات Pydantic وDSPy) مع القدرات الإبداعية للنماذج اللغوية الكبيرة من خلال مسار متعدد الوكلاء لإنتاج تصميمات مبتكرة صالحة وعالية الجودة ومتخصصة في مجال معين.
تقترح الورقة البحثية "تعلم نموذج العالم التعزيزي" (RWML)، وهو أسلوب تعلم ذاتي التوجيه يعمل على تحسين الوكلاء القائمين على النماذج اللغوية الكبيرة من خلال تدريبهم على مواءمة محاكاتهم الدلالية الداخلية لديناميكيات البيئة مع النتائج الفعلية الملحوظة، متفوقاً بذلك على التعلم التعزيزي المباشر ومضاهياً التدريب القائم على بيانات الخبراء.
تقدم هذه الورقة KV-CoRE، وهو إطار تقييم يعتمد على تفكيك القيم المفردة (SVD) يقيس قابلية انضغاط ذاكرة التخزين المؤقت لـ KV على مستوى الطبقات والاعتماد على البيانات، مما يوفر معياراً واسع النطاق يكشف كيف تؤثر بنية النموذج، وبيانات التدريب، والتنوع اللغوي على كفاءة الانضغاط.
تقترح هذه الورقة إطار عمل يوضح أن الشبكات العميقة تتعلم تحليل اللغات الخالية من السياق والهرمية عبر استخدام الارتباطات عبر المقاييس المختلفة لحل الغموض المحلي، وهي عملية تتحقق منها من خلال فئة جديدة من القواعد القابلة للضبط والاختبار التجريبي على بنيات التلافيف والمحولات.
تقدم هذه الورقة CLiMRS، وهو إطار عمل للتفاوض الجماعي التكيفي يستفيد من النماذج اللغوية الكبيرة لتمكين تعاون فعال ومتين بين الروبوتات غير المتجانسة من خلال تشكيل المجموعات الفرعية الديناميكية والمناقشات القائمة على الإدراك.