23200 ورقة بحثية
تقدم هذه الورقة البحثية مسار عمل للذكاء الاصطناعي الوكيل يقوم بتجميع أسواق التنبؤ ذاتياً واكتشاف العلاقات الدلالية بين العقود، مما يظهر دقة متفوقة على معايير الاستدلال باللغة الطبيعية ويمكّن من استراتيجيات تداول قائمة على الدلالات تحقق أرباحاً.
يقدم TGIF وحدة دمج بين الطبقات خفيفة الوزن وموجهة بالنص، تقوم بدمج الميزات المرئية من طبقات مشفر متعددة مجمدة بشكل ديناميكي لتعزيز التأسيس البصري والحد من الهلوسة في النماذج اللغوية الكبيرة متعددة الوسائط دون الحاجة إلى تحديث المشفر.
تقدم الورقة البحثية إطار عمل موحد يُدعى EGMF، والذي يستفيد من شبكة متعددة المقاييس بتوجيه من الخبراء ونماذج لغوية كبيرة مع ضبط دقيق كفء في المعلمات لتحقيق أداء رائد في كل من التعرف على العواطف المنفصلة وتحليل المشاعر المستمر عبر لغات ومجموعات بيانات متعددة.
تقدم الورقة البحثية SPRInG، وهو إطار عمل شبه معالم (semi-parametric) للتخصيص المستمر للنماذج اللغوية الكبيرة (LLM)، والذي يجمع بين التكيف الانتقائي المدفوع بالانحراف لتحديث المهايئات الخاصة بالمستخدم عند حدوث تفاعلات ذات جدة عالية، وبين التوليد القائم على الاسترجاع والتدخل، مما يعالج بفعالية تطور التفضيلات مع منع النسيان الكارثي.
تقدم هذه الورقة البحثية خوارزمية DiSAH، وهي خوارزمية اتحادية غير تكرارية وفعالة في التواصل، تتيح التقدير متعدد المواقع لفروق المخاطر في تحليل البقاء على قيد الحياة دون مشاركة بيانات المرضى، مما يظهر دقة وقوة إحصائية متفوقة مقارنة بالنماذج المحلية والتحليل التلوي عبر مجموعات بيانات سريرية متنوعة.
تقترح هذه الورقة بنية عصبية هجينة تجمع بين "ماما" (Mamba) والانتباه (attention)، تستخدم مسحاً اختيارياً ثنائي الاتجاه لتقدير قنوات OFDM بكفاءة، وبتعقيد منخفض وقدرة فائقة على التعميم، متفوقة بذلك على الطرق المرجعية في الدقة وكفاءة المعلمات.
تكشف هذه الورقة أن نماذج المحولات (transformers) تتعلم المهارات الحسابية من خلال "تكوينية مهشمة" (shattered compositionality) غير بشرية مدفوعة بالارتباط، بدلاً من القواعد الإجرائية المتسلسلة، مما يؤدي إلى أخطاء خلط مميزة وضعف في المتانة يستمر رغم توسيع النماذج أو الإشراف عبر المسودة (scratchpad supervision).
تُثبت هذه الورقة أن التقارب ذو قانون القوة البطيء والمكلف حاسبياً، والملاحظ في تدريب النماذج اللغوية الكبيرة، هو نتيجة جوهرية لاستخدام "softmax" و"cross-entropy" لتعلم التوزيعات المرتفعة، مما يؤدي عالمياً إلى أس زمن قياسي قدره 1/3.
تتقصى هذه الورقة حدود العرض والعمق اللانهائيين لشبكات الترميز التنبؤي، حيث تستنتج بارامترات مستقرة تمنع انفجارات التدريب وتثبت أن تدرجات الترميز التنبؤي تتقارب مع تدرجات الانتشار العكسي في الشبكات الواسعة، مما يقدم آلية تعلم محلية ذات صبغة بيولوجية للبنى العميقة.
تقدم الورقة البحثية Cosmo3DFlow، وهو إطار عمل توليدي مبتكر يجمع بين تحويلات المويجات المنفصلة ثلاثية الأبعاد (3D Discrete Wavelet Transforms) ومطابقة التدفق (flow matching) للتغلب على تحديات الأبعاد والتشتت في الاستدلال الكوني، مما يتيح إعادة بناء الظروف الأولية للكون المبكر بسرعة تزيد بمقدار 46 مرة عن نماذج الانتشار الحالية.