رادار البحوث، 30 أكتوبر 2026: 12 ورقة بحثية جديدة في الذكاء الاصطناعي والأمن

Layer-wise Prediction for Interpretation of Hidden Representations in Deep Neural Networks through Evolving Probability Distributions

Nature

Designing a blockchain-enabled certification framework for food loss and waste reduction: a proof-of-concept in the fresh food supply chain

Nature

Applying digital twins to prevent preterm births

Nature

Author Correction: Prediction of protein subcellular localization in single cells

Nature

ICALL-BENCH: Benchmarking LLM Interprocedural Reasoning in Binary Programs

arXiv · Shenglong Yao, Zirui Liu, Xiangchi Yuan, Wenke Lee

تُظهر المعايير الحديثة أن نماذج اللغات الكبيرة تحقق أداءً قويًا في كل من فهم البرامج الثنائية على مستوى الدوال ومهام الهندسة العكسية الثنائية الشاملة، ولكن يظل من غير الواضح ما إذا كانت نماذج اللغات الكبيرة قادرة على الاستدلال بشأن الدلالات بين الدوال في البرامج الثنائية المجمعة. توفر المعايير على مستوى الدوال رؤية محدودة للعلاقات بين الدوال، بينما تقيم معايير البرنامج بالكامل عادةً النتائج النهائية لمهام قد تكون قابلة للحل من الأدلة المحلية وحدها، مما يجعل من الصعب فصل الاستدلال بين الدوال عن الاستكشاف، واستخدام الأدوات، والتنفيذ، والاسترجاع.

Jailbreak Connectivity: Towards Diverse, Transferable, and Universal Multimodal Large Language Model Jailbreak

arXiv · Xu Zhang, Ziqing Hu, Shuo Han, Ren Wang

نماذج اللغات الكبيرة متعددة الوسائط (MLLMs) عرضة لهجمات كسر الحماية المرئية التي تتجاوز تدابير الحماية الأمنية. تعمل الطرق الحالية عادةً على تحسين الأمثلة العدائية المعزولة، مما يحد من تنوع الهجمات وقابليتها للنقل والتعميم.

SkillMem: Compact External Skill Memory for Latent Multi-Agent Reasoning

arXiv · Yuxuan Zhu, Mohammad Mohammadi Amiri, Pin-Yu Chen, Keerthiram Murugesan

تقلل الأنظمة الكامنة متعددة الوكلاء تكلفة الاستدلال من خلال الاحتفاظ بالاستدلال الوسيط والتواصل بين الوكلاء في تمثيلات مستمرة. ومع ذلك، يتم توفير المهارات القابلة لإعادة الاستخدام عادة كنص أو مخزنة كحالات مفتاح-قيمة على مستوى الطبقة أو كمعلمات نموذج خاصة بالمهارة، مما يدخل معالجة متكررة أو تخزينًا كبيرًا لكل مهارة. نقدم تقنية textbf{SkillMem}، التي تمثل كل مهارة قابلة لإعادة الاستخدام كذاكرة كامنة خارجية صغيرة وتتيحها مباشرة أثناء الاستدلال الكامن متعدد الوكلاء. يتيح قارئ الانتباه المتبادل المشروط بالدور لنفس الذاكرة توجيه وكلاء مختلفين وفقًا لأدوارهم وحالاتهم الخفية الحالية. نقوم بتدريب ذكريات المهارات والقارئ المشترك من خلال التقطير السلوكي، مطابقين التغير في تنبؤات الرموز الناجم عن مهارة نصية مع الحفاظ على الهيكل الأساسي مجمدًا. لتجاربنا، نحصل على مهارات نصية من مسارات متعددة الوكلاء ناجحة وفاشلة مقترنة، على الرغم من أنه يمكن أيضًا تجميع المهارات الحالية بشكل مباشر. عبر ستة معايير ونماذج Qwen3 تتراوح من 4B إلى 14B معلمة، يوفر SkillMem مكاسب قوية للهياكل الأساسية الأصغر مع الحفاظ على الاستدلال الكامن الفعال متعدد الوكلاء عبر نطاقات النماذج. نستخدم نفس تكوين الذاكرة $8times256$ عبر جميع نطاقات المذاهب المقيمة، مما يتطلب 9.6 KB من التخزين الخاص بالمهارة لكل مهارة، بما في ذلك تضمين الاسترجاع الخاص بها. بالنسبة لمكتبة تضم 100 مهارة، يقلل SkillMem إجمالي التخزين بأكثر من $38times$ مقارنة بتمثيلات المهارات البديلة ويحقق تسريعًا للاستدلال الشامل يصل إلى $4.23times$. تُظهر هذه النتائج أنه يمكن إعادة استخدام الذاكِرات الإجرائية المدمجة دون التضحية بكفاءة الاستدلال الكامن متعدد الوكلاء.

Evaluating Causal Reasoning in LLMs: A Case Study in the Challenges of Procedural Generation

arXiv · Justin Clarke, Isha Karn, Patrick Murray, KJ Hill, David Jensen

يبدو أن نماذج اللغات الكبيرة (LLMs) تمثل وتستدل حول مجموعة واسعة من الظواهر. على وجه الخصوص، بحثت دراسات حديثة فيما إذا كانت نماذج اللغات الكبيرة قادرة على الاستدلال بدقة حول السببية.

WAAA! Web Adversaries Against Web Agents

arXiv · Sohom Datta, Alex Nahapetyan, William Enck, Alexandros Kapravelos

يتم دمج نماذج اللغات الكبيرة (LLMs) بشكل متزايد في متصفحات الويب لإنشاء أنظمة تصفح وكيلة تنفذ إجراءات نيابة عن المستخدم. تركز العمل السابق الذي يدرس أمن متصفحات الوكلاء على هجمات حقن الأوامر غير المباشرة.

Judging Before Propagation: Task-Graph Contextual Integrity for Multi-Agent Privacy

arXiv · Hengyu Wu, Blaise Delattre, Yang Cao

تعتمَد أنظمة نماذج اللغات الكبيرة متعددة الوكلاء بشكل متزايد على الذاكرة الدائمة والتواصل بين الوكلاء. تخلق هذه القدرات مخاطر خصوصية تمتد إلى ما بعد التفاعلات الفردية: فقد يصبح الإصدار المناسب في عزلة غير مناسب عند دمجها مع معلومات تم الكشف عنها مسبقًا لمتلقٍ أو نشرها إلى وكلاء لاحقين على طول سير العمل المخطط له.

PrivCode: When Code Generation Meets Differential Privacy

arXiv · Zheng Liu, Chen Gong, Terry Yue Zhuo, Kecen Li, Weichen Yu, Matt Fredrikson, Tianhao Wang

أظهرت نماذج اللغات الكبيرة (LLMs) أداءً متميزًا في توليد الكود وإكماله. ومع ذلك، فإن الضبط الدقيق لهذه النماذج على مجموعات بيانات خاصة يمكن أن يثير مخاوف تتعلق بالخصوصية والملكية، مثل تسرب المعلومات الشخصية الحساسة.

Is it my preference? Role Grounding Attack against Agent's Memory via Social Interaction

arXiv · Haoran Bu, Yiting Shen, Litian Zhang, Ruihan Hu, Xi Zhang

تتشارك الوكلاء القائمون على نماذج اللغات الكبيرة الآن التجارب على المنصات الاجتماعية وتتذكر تفضيلات جديدة لتحسين أدائها. ومع ذلك، تحتوي أنظمة الذاكرة الحالية على ثغرة أمنية في إسناد الدور إلى الموكل يمكن للمهاجمين استغلالها.