27461 ورقة بحثية
تقيم هذه الورقة مدى فعالية استخدام النماذج اللغوية الكبيرة (LLMs) كمقيمين لمدى الصلة في استرجاع المعلومات من خلال مقارنة قدرتها على تسليط الضوء على مقاطع محددة ذات صلة مقابل المعايير البشرية، لتخلص في النهاية إلى أنه على الرغم من كون النماذج اللغوية الكبيرة أدوات واعدة لتقليل عبء العمل البشري، إلا أنها لا تستطيع بعد استبدال المقيمين البشر بشكل كامل.
تقترح هذه الورقة مولداً جديداً للبرمجيات الخبيثة التنافسية لملفات Linux ELF الثنائية، والذي يحقق معدل مراوغة بنسبة 67.74% ضد مصنف MalConv من خلال تطبيق تحويلات تحافظ على الدلالات، وتحديداً عبر إيجاد أن حقن السلاسل النصية الحميدة في الملف التنفيذي هو وسيلة فعالة للغاية لتجاوز الكشف.
تقترح هذه الورقة طريقة هيكلية للكشف عن انزياح المفاهيم في عائلات البرمجيات الخبيثة المتطورة من خلال قياس التغيرات في مجموعات قواعد أشجار القرار عبر مقاييس مثل أهمية الميزات واتفاق التنبؤ، مما يثبت أن هذه التمثيلات القائمة على القواعد ترتبط بفعالية بتدهور الدقة وتحولات توزيع البيانات.
تقترح هذه الورقة طريقة قوية لتحديد بصمة النماذج اللغوية الكبيرة بناءً على توزيعات الانحراف المعياري المستقرة لمصفوفات معاملات الانتباه، مما يثبت أن هذه التوقيعات الجوهرية يمكنها تحديد سلالة النموذج وكشف انتهاك حقوق الطبع والنشر حتى بعد التدريب المستمر المكثف أو عملية إعادة التدوء (upcycling).
تقترح هذه الورقة إطار عمل دفاعي قوي للكشف عن البرمجيات الخبيثة باستخدام التحسين ثنائي المستوى لنمذجة التطور المشترك العدائي بين المهاجمين والمدافعين، مما يقلل بشكل كبير من معدلات التهرب ويزيد من تكاليف المهاجم مقارنة بالطرق التقليدية.
تقدم هذه الورقة البحثية تقنية "المطابقة عند وقت الاختبار" (TTM)، وهي خوارزمية تكرارية ذاتية التحسين تعمل على تصحيح عيوب التقييم من خلال درجة مطابقة مجموعات مبتكرة، وتعزز بشكل كبير قدرات الاستدلال التركيبي في النماذج متعددة الوسائط، مما يمكنها من تجاوز النتائج السابقة المتفوقة والأداء البشري المقدر في المعايير الرئيسية.
تقترح الورقة البحثية "تضمينات المحاذاة مع المنفعة" (UAE)، وهي إطار عمل يعمل على تحسين أداء الاسترجاع الكثيف عبر تدريب المشفرات الثنائية (bi-encoders) على محاكاة إشارات المنفعة القائمة على النماذج اللغوية الكبيرة (LLM) من خلال هدف تقطير متخصص، مما يحقق مكاسب كبيرة في الدقة مقارنة بالنماذج المرجعية الدلالية مع البقاء أسرع بكثير من عملية إعادة الترتيب باستخدام النماذج اللغوية الكبيرة.
تقدم الورقة البحثية **Belief Net**، وهو إطار عمل للترشيح القابل للتفاضل يتعلم معاملات نموذج ماركوف المخفي (HMM) القابلة للتفسير من خلال صياغة المرشح الأمامي كشبكة عصبية مهيكلة يتم تحسينها عبر التدرج الاشتقاقي العشوائي.
تقدم الورقة البحثية تقنية **Selective RoPE**، وهي آلية لتدوير التضمين (rotary embedding) تعتمد على المدخلات وتعمل على تعميم الدورات ذات الزوايا الثابتة إلى زوايا عشوائية، مما يحسن الأداء في كل من نماذج الـ softmax والـ linear transformers من خلال السماح للنموذج بالتحكم ديناميكياً في الترميز الموضعي واضمحلال المعلومات.
تقدم الورقة البحثية حلقات الوكلاء السياديين (SAL)، وهي بنية مستوية للتحكم تعزز سلامة الذكاء الاصطناعي من خلال فصل الاستنتاج عن التنفيذ عبر طبقة تحقق تتحقق من نوايا النموذج مقابل سياسات النظام والحالة قبل تنفيذها.