23200 ورقة بحثية
تقدم الورقة البحثية TEXAS، وهي طريقة تكييف مبتكرة لنماذج لغة "خليط الخبراء" (Mixture-of-Experts) تعمل على تحديد الخبراء ذوي الصلة بالمهمة من خلال مقارنة تنشيطاتهم في الحالات الناجحة مقابل الحالات الفاشلة، وتستفيد من هذا الاكتشاف لزيادة وزن الإشراف ديناميكيًا على رموز الإجابة أثناء الضبط الدقيق، مما يحقق أداءً رائدًا عبر معايير متعددة دون تقييد مجموعات الخبراء الفرعية.
يقدم EntropyMoE بنية "خليط من الخبراء" (Mixture-of-Experts) واعية بالإنتروبيا للنماذج اللغوية الكبيرة الخالية من أجهزة الترميز (tokenizer-free)، والتي تقوم بتوجيه الرقع (patches) على مستوى البايت ديناميكيًا إلى خبراء متخصصين بناءً على الإنتروبيا والطول الخاص بها، محققةً كفاءة ضغط فائقة ودقة مماثلة دون الاعتماد على أجهزة ترميز ثابتة.
تقدم هذه الورقة البحثية "تباين المساهمة" (CoCo)، وهي طريقة تفسير جديدة على مستوى الاستجابة لنماذج المكافأة القائمة على خليط الخبراء (Mixture-of-Experts)، تتغلب على قيود التحليل القائم على أوزان التوجيه من خلال تحديد أدوار الخبراء عبر أزواج الاستجابات (المختارة-المرفوضة) ذات أكبر تباينات المساهمة، مما يقدم تفسيرات أكثر دقة وتخصصاً مع الحفاظ على دقة تنافسية.
تقدم هذه الورقة سلماً تشخيصياً متوافقاً مع عملية التوليد لفك الارتباط بين قيود الأداء في نماذج اللغة الكلامية إلى فجوات متميزة ناتجة عن عدم توافق قواعد القرار وقيود تغطية القراءة، مما يكشف أنه بينما تتوفر المعلومات العاطفية غالباً في الحالات الخفية، فإن النماذج تفشل في كثير من الأحيان في استخدامها بفعالية بسبب آليات فك التشفير والقراءة غير المثالية.
تقترح هذه الورقة البحثية "تنبؤ انتباه الطبقة المتوسطة" (MAP)، وهي طريقة تحدد ديناميكيًا طبقات الانتباه المثلى الخاصة بكل عينة وتعمل على تقطيرها في متنبئ خفيف الوزن لتقليص الرموز البصرية قبل معالجتها بواسطة النموذج اللغوي، مما يحقق تسريعًا في الأداء بنسبة 3.09 ضعفًا من البداية إلى النهاية مع الحفاظ على 97.5% من الأداء على نموذج LLaVA-NeXT-7B.
تقدم هذه الورقة ED-CSP، وهو إطار عمل للتعلم الآلي يستفيد من مشفر مجموعة علائقية ومولد تدفق دوري للتنبؤ ببنى البلورات ثلاثية الأبعاد من أنماط حيود إلكتروني متفرقة وغير مفهرسة والتركيب الكيميائي، محققاً أداءً هو الأفضل في فئته على مجموعة بيانات تم إنشاؤها حديثاً تضم 4.85 مليون بنية محاكاة.
إن CyberForge هو إطار عمل يعمل على توليف والتحقق ديناميكياً من بيانات تدريب أمنية قابلة للتنفيذ وعلى مستوى المستودعات عبر حقن ثغرات في مشاريع حقيقية بلغة C/C++، مما يحسن بشكل كبير من قدرات اكتشاف الثغرات ومعالجتها لدى الوكلاء السيبرانيين عبر مختلف أحجام النماذح ولغات البرمجة.
تقدم هذه الورقة CertBind، وهو إطار نظري متعدد المقاييس يضمن قرارات استرجاع قابلة للتحقق في الرسوم البيانية للموصلات متعددة الوسائط المجمدة من خلال تحديد حدود المهام، والتحكم في معدلات الخطأ، وتوفير آلية تراجع لاستعادة الأداء مع الحفاظ على ضمانات السلامة.
إن KnowPlan هو نظام ذكاء اصطناعي قائم على المعرفة يتكون من مرحلتين، حيث يقوم أولاً بإعادة بناء المناهج الجامعية من مصادر غير متجانسة باستخدام زاحف استباقي يعتمد على مبدأ الاستخراج أولاً (CatalogBrowse)، ثم يعمل بعد ذلك على تحسين مسارات الدرجات العلمية الشخصية عبر حلّال فائق الرسم البياني معتمد (DegreeMap)، محققاً بذلك استدعاءً عالياً وقابلية تنفيذ مرتفعة مع تقليل تكاليف الوصول إلى المصادر بشكل كبير مقارنة بالنهج الشامل.
تُعد TaskSense إطار عمل لنمذجة العالم متمحوراً حول المهام، يعمل على تحسين المتانة تجاه المشتتات البصرية باستخدام آلية انتباه عشوائية قابلة للتفاضل وهدف ديناميكيات عكسية مساعد للتركيز على التمثيلات الكامنة في المناطق ذات الصلة بالتحكم بدلاً من إعادة بناء الملاحظات الكاملة.