28108 ورقة بحثية
مستلهماً من نهج "Rainbow" لخوارزمية "DQN"، تقدم هذه الورقة "Simulus"، وهو وكيل نموذج عالم معياري يجمع بين مرونة التجزئة (tokenization)، والتحفيز الجوهري، وإعادة التشغيل ذات الأولوية، والتحويل من الانحدار إلى التصنيف لتحقيق كفاءة عينة هي الأفضل في فئتها عبر مختلف معايير التعلم المعزز البصرية، والمستمرة، والرمزية.
تقدم هذه الورقة شبكة عصبية رسومية للأحداث مسرعة عتاديًا تم تنفيذها على نظام على شريحة (SoC FPGA) تستفيد من نموذج حلزوني أذني اصطناعي لتحويل البيانات السلاسل الزمنية إلى أحداث متفرقة، محققةً تصنيفًا عالي الدقة ومنخفض التأخير مع تقليل عدد المعلمات والموارد الحسابية بشكل كبير مقارنة بالنماذج الرائدة.
تقدم هذه الورقة LLM-FE، وهو إطار عمل مبتكر يجمع بين البحث التطوري والنماذج اللغوية الكبيرة لاكتشاف برامج تحويل الميزات الفعالة للبيانات الجدولية بشكل تكراري، متفوقاً بذلك على أساليب هندسة الميزات المؤتمتة الحالية من خلال الاستفادة بشكل أفضل من المعرفة بالمجال والتغذية الراجعة المستندة إلى البيانات.
تقترح الورقة البحثية طريقة GRIT، وهي طريقة قائمة على التعلم المعزز تُمكّن النماذج اللغوية الكبيرة متعددة الوسائط من توليد سلاسل استدلال مرتكزة بصرياً عبر دمج اللغة الطبيعية مع إحداثيات صناديق الإحاطة الصريحة، مما يحقق كفاءة عالية في البيانات دون الحاجة إلى تسميات توضيحية للاستدلال أو التحديد الموضعي.
تقدم الورقة البحثية TrajViT، وهي طريقة لترميز الفيديو المرتكز على الأرض (grounded video tokenization) تستبدل الرقع الزمكانية غير الفعالة بمسارات الأجسام الفرعية البانوبتيكية (panoptic sub-object trajectories) لتقليل التكاليف الحسابية بشكل كبير مع تحقيق أداء متفوق في مهام استرجاع وفهم الفيديو مقارنة بمشفرات ViT3D التقليدية.
تقترح هذه الورقة مخطط نظرية عقل بايزي (Bayesian Theory-of-Mind) قابلاً للتوسع، يستفيد من التحكم من الضعيف إلى القوي لتمكين النماذج اللغوية الأصغر من توجيه النماذج الأكبر في تفكيك الاستدلال متعدد الوسائط المعقد إلى تحديثات بايزية خطوة بخطوة، محققةً دقة هي الأفضل في حالتها في استنتاج الحالات الذهنية البشرية.
تقترح هذه الورقة إطاراً سببياً لنمذجة المكافأة في مجال محاذاة الذكاء الاصطناعي لمعالجة تحديات مثل الخطأ في تحديد المسببات والارتباطات المربكة، مبرهنةً على كيفية قدرة النهج المستوحاة من السببية على تحسين متانة النموذج وتعميمه مقارنة بالأساليب الساذجة.
تقترح الورقة البحثية إطار عمل COPE، وهو إطار تعاون في وقت الاختبار حيث تعمل النماذج اللغوية الصغيرة والكبيرة بالتناوب كمخططين ومنفذين في تسلسل متعدد المراحل، مما يحقق أداءً يضاهي النماذج الضخمة المملوكة مع تقليل تكاليف الاستدلال بشكل جذري.
تقدم هذه الورقة البحثية تقطير بلاكيت-لوس (PLD)، وهو فقدان ترتيب قائم على القوائم ونظري الاختيار، يفسر لوجيتات المعلم كدرجات استحقاق لتحسين ترتيب واحد أمثل للمعلم بشكل مباشر، مما يلغي الحاجة إلى ضبط أوزان التقطير مع تحقيق مكاسب أداء متسقة عبر مجموعات بيانات وبنيات متنوعة.
تقدم هذه الورقة "درجة استقطاب النخبة"، وهي نهج قياس مبتكر وقابل للتوسع باستخدام النماذج اللغوية الكبيرة لتقدير التقييمات المتبادلة العدائية بين النخب السياسية في الخطابات البرلمانية، مما يثبت صلاحيتها وتميزها عن المقاييس الحالية عبر المملكة المتحدة والمجر وإيطاليا.