23200 ورقة بحثية
تقترح هذه الورقة إطار عمل قائماً على نموذج "ترانسفورمر" (Transformer) يدمج أكثر من 11 مليون سجل تفتيش مع بيانات ديموغرافية واقتصادية للتنبؤ بمخاطر سلامة الأغذية على مستوى المدن بدقة عالية في ظل ظروف ندرة البيانات، مما أظهر تحسناً كبيراً في معدلات الكشف وكفاءة تخصيص الموارد في تجربة ميدانية واقعية في مقاطعة تشيجيانغ.
تُظهر هذه الورقة أن التحيزات الاجتماعية في نماذج توليد الصور من النصوص ليست أكثر انتشاراً فحسب، بل تظهر أيضاً بشكل أكثر صراحة في التنسيقات السردية مثل لوحات القصة (الستوري بورد) والقصص المصورة مقارنة بالصور المنفردة، مما يسلط الضال على الحاجة الماسة لتقييم هذه الأنظمة عبر سياقات بصرية متنوعة.
تستعرض هذه الورقة تقنيات الكشف عن الرادار ضمن نطاق (CBRS) بتردد 3.5 جيجاهرتز، حيث تقارن بين الأساليب التقليدية ونهج تعلم الآلة الناشئة لمعالجة المتطلبات التنظيمية، وتحديات الأداء، والتوجهات المستقبلية لضمان التعايش بين الشبكات التجارية وأنظمة رادار الحكومة الحرجة.
تقدم هذه الورقة LEAP، وهو إطار عمل للتعلم التعزيزي متعدد الخطوات وفعال حاسوبياً لتوليد نوى CUDA، والذي يستخدم التقليم المشروط بالصعوبة لتركيز الموارد على المهام ذات القيمة العالية وصياغة مكافأة قائمة على الرتبة للتغلب على ندرة الإشارات وزمن استجابة التجميع، مما يحقق تقارباً أسرع ومرونة تصحيح أخطاء فائقة مقارنة بالطرق الحالية.
تقدم الورقة البحثية CockpitHAT، وهو إطار عمل عزو هرمي يستفيد من الرسوم البيانية التبعية، والأدلة متعددة القنوات، والتقييم الواعي بالسلامة لتشخيص حالات الفشل على مستوى العمليات في أنظمة قمرة القيادة متعددة الوكلاء المتجسدة بفعالية، متفوقاً بذلك على الأساليب الحالية المعتمدة على النصوص فقط في كل من المعايير المرجعية العامة والمستحدثة.
يُعد SearchMaster إطار عمل للعب الذاتي يقوم بتدريب وكلاء البحث القائمين على النماذج اللغوية الكبيرة عبر توليد وحل المهام في بيئة محلية، مستفيداً من مُولّد سلسلة الأدلة، ومكافأة عمق البحث، وعقوبة الإفراط في الفتح لضمان بيانات عالية الجودة وموثقة تُحسن بشكل كبير الأداء في اختبارات البحث العميق دون الاعتماد على أمثلة مصنفة بشرياً.
يُعد PartMat مساراً فعالاً لتفكيك الأجزاء ثلاثية الأبعاد مع مراعاة المواد، حيث يستخدم تمثيلاً كامناً عالمياً واحداً لإنشاء أصول مهيكلة وقابلة للتعديل ذات حدود مواد دقيقة وهندسة مفصلة، مع فصل تكاليف الاستدلال عن عدد الأجزاء.
تقترح الورقة البحثية طريقة "التقطير بالاتساق المستمر" (PCSD)، وهي طريقة مبتكرة تولد أوزان تقطير تكيفية على مستوى الرموز بناءً على الاستمرارية المحلية لإشارات المعلم للجمع بفعالية بين التوجيه الكثيف والتغذية الراجعة البيئية المتفرقة، مما يحسن بشكل كبير من أداء وكلاء النماذج اللغوية في المهام التفاعلية المعقدة مثل ALFWorld وWebShop.
تقدم هذه الورقة البحثية FOCUS، وهو إطار عمل للكمّ (quantization) ما بعد التدريب يعزز دقة FP4 للنماذج اللغوية الكبيرة من خلال توظيف "التحجيم بالاسترخاء المزدوج" (Coupled-Relaxation Scaling) لفصل مقاييس الكم القابلة للتعلم عن قيود الأجهزة، و"التحجيم مزدوج الدقة" (Dual-Granularity Scaling) من أجل تكييف أدق للأوزان، محققاً بذلك أداءً هو الأفضل في فئته دون أي عبء إضافي على عملية الاستدلال.
تحدد هذه الورقة نقطة عمياء حرجة في تقييم عملية "إلغاء التعلم" لنماذج اللغات الكبيرة متعددة الوسائط (MLLM)، حيث تعاني المدخلات المجاورة الحميدة من تدهور شديد (ثقوب معرفية)، وتقترح "الحماية الانتقائية مع التنظيم المرتكز" (SPAR) لسد هذه الفجوة بفعالية من خلال الحفاظ على الأنماط العامة مع ضمان إزالة المحتوى الآمن.