27120 ورقة بحثية
تقدم هذه الورقة البحثية "LaTeXpOsEd"، وهي عملية تدقيق أمني منهجي واسعة النطاق لأكثر من 100,000 من مساهمات arXiv التي تكشف عن تسريب واسع النطاق للمعلومات في ملفات المصدر والتعليقات، بما في ذلك بيانات الاعتماد الحساسة، ومعلومات الهوية الشخصية، والمراسلات السرية، وذلك عبر الاستفادة من إطار عمل مبتكر يدمج بين مطابقة الأنماط والنماذج اللغوية الكبيرة.
تقدم هذه الورقة إطار عمل للانتشار ذاتي الانحدار معزز بالتحكم، يستفيد من متحكم مُدرب مسبقاً (offline) لحقن تصحيحات خطوة بخطوة أثناء عملية إزالة الضجيج، مما يحسن بشكل كبير سرعة واستقرار ودقة استيعاب البيانات للمعادلات التفاضلية الجزئية ذات الطابع الزماني المكاني الفوضوي مقارنة بالنماذج المرجعية القائمة على الانتشار الحالية.
تقترح هذه الورقة طريقة للاستفادة من بيانات التفضيل الزوجي التي يولدها المستخدمون من أوضاع مقارنة النماذج اللغوية الكبيرة عبر إدخال خوارزمية توقع-تعظيم (expectation-maximization) تستنتج عوامل جودة المستخدم الكامنة من خلال استجابات النماذج غير المتماثلة، مما يتيح تصفية فعالة للبيانات وتحسين محاذاة النماذج اللغوية الكبيرة.
يُعد GenCellAgent إطار عمل متعدد الوكلاء لا يتطلب تدريباً، حيث يستفيد من النماذج اللغوية الكبيرة لتنسيق أدوات متخصصة ونماذج لغوية بصرية ديناميكياً، محققاً بذلك تقسيماً لصور الخلايا يتسم بالقدرة على التكيف والوصول إلى أحدث المستويات التقنية عبر مختلف الأنماط والعضيات المستحدثة دون الحاجة إلى إعادة التدريب.
تقدم هذه الورقة البحثية LILO، وهو إطار عمل للتحسين البايزي يستفيد من النماذج اللغوية الكبيرة لتحويل التغذية الراجعة باللغة الطبيعية الحرة إلى إشارات تفضيل مهيكلة، مما يعزز كفاءة العينات والمرونة في تحسين الأهداف المعقدة والذاتية مقارنة بالطرق التقليدية.
تقدم الورقة البحثية ActivationReasoning، وهو إطار عمل يدمج الاستدلال المنطقي الصريح في مساحات التنشيط الكامنة للنماذج اللغوية الكبيرة عبر رسم خرائط لميزات المشفّر التلقائي المتناثر إلى قضايا منطقية، مما يتيح استدلالاً شفافاً وقابلاً للتحكم ومتيناً متعدد الخطوات عبر مهام وبنى نماذج متنوعة.
تقدم الورقة البحثية MURPHY، وهو امتداد متعدد الخطوات لـ Group Relative Policy Optimization (GRPO)، والذي يستخدم أشجار التدفق (rollout trees) المشروطة بالتغذية الراجعة وتخصيص الائتمان الاسترجاعي لتحسين توليد الكود ذاتي التصحيح بشكل كبير من خلال نشر المكافآت من عمليات التحسين الناجحة إلى المحاولات المعلوماتية السابقة.
تقدم هذه الورقة تحليلاً مقارناً شاملاً لمكتبات Pandas وPolars وDask ضمن مسارات التعلم العميق المتكاملة، حيث تقيم زمن التشغيل، واستهلاك الذاكرة، واستخدام القرص، واستهلاك الطاقة خلال مراحل معالجة البيانات الحرجة كثيفة الاستهلاك لوحدة معالجة الرسومات (GPU).
تقدم هذه الورقة "أخذ عينات الإجماع" (Consensus Sampling)، وهو خوارزمية "الصندوق الأسود" غير مرتبطة بهيكلية محددة، تعمل على تجميع توزيعات متعددة للذكاء الاصطناٍ التوليدي لتحقيق ضمانات سلامة تنافس المجموعة الفرعية الأكثر أماناً من النماذج، مع الامتناع عن إخراج النتائج عند عدم وجود اتفاق كافٍ، مما يقلل من المخاطر غير القابلة للكشف والتأثيرات العدائية.
تقدم هذه الورقة البحثية إطار عمل "تدقيق التباعد في السلوك" (DIBA)، وهو إطار عمل ذو صندوق أبيض يكشف بفعالية عن التعرض غير المصرح به للبيانات في التعلم التعزيزي مع المكافآت القابلة للتحقق (RLVR) من خلال تحليل التحولات في التوزيع السلوكي وتوزيع جانب المكافأة بين نقاط تفتيش النموذج قبل وبعد عملية الـ RLVR، متفوقاً بشكل كبير على خطوط الأساس الحالية للاستدلال بالانتماء.