23845 ورقة بحثية
تقدم هذه الورقة قوانين توسع الحوسبة-البيانات (CD)، وهي إطار عمل موحد ينمذج العوائد المتناقصة للبيانات المشتقة من خلال دالة فعالية الرموز (token-effectiveness) لسد الفجوة بين أنظمة التدريب المسبق المثلى للحوسبة وتلك المثلى للبيانات، كاشفةً أن التخصيص الكلاسيكي الأمثل للحوسبة هو دون المستوى الأمثل في معظم الإعدادات العملية.
تقدم هذه الورقة ContractHIL-HLS، وهو سير عمل متعدد الوكلاء متوافق مع العقود يدمج الترجمة المهيكلة من اللغة الطبيعية إلى العقود مع التغذية الراجعة في حلقة "الأجهزة في الحلقة" (hardware-in-the-loop) لتحسين معدلات النجاح بشكل كبير في مهام تصميم (HLS) وتحسين مسرعات التشفير لما بعد الكم على مستوى اللوحة.
تكشف هذه الورقة أن النماذج اللغوية الضبطية (instruction-tuned) تفشل في أخذ عينات حقيقية من توزيعات الاستجابة، حيث تنهار بدلاً من ذلك إلى مخرجات حتمية بسبب تدريب المحاذاة، ولكن يمكنها وصف هذه التوزيعات بدقة في استدعاء واحد، وهي فجوة "المعرفة/الأداء" (KNOWS/DOES) التي تتيح محاكاة أكثر دقة لبيانات الاستطلاع البشري من خلال وصف التوزيع أو اضطراب المطالبة (prompt perturbation).
تقدم هذه الورقة CLBench-V، وهو معيار شامل مصمم لتقييم تعلم السياق متعدد الوسائط عبر ثلاثة أبعاد رئيسية —التجذر، وتطبيق المعلومات الجديدة، واكتساب المعرفة— كاشفةً أن النماذج الحالية الرائدة لا تزال تعاني بشكل كبير في هذه المهام رغم التقدم في القدرات متعددة الوسائط.
تقترح هذه الورقة خوارزمية تحسين خالية من التراجع وخالية من معلمات الجزاء مع ضمانات التقارب العالمي لمنوع ستيفل (Stiefel manifold)، وتطبقها لتطوير Manifold-LoRA، وهي طريقة ضبط دقيق متسارعة هندسياً للنماذج اللغوية الكبيرة تحقق تدريباً فعالاً وأداءً قوياً في المهام اللاحقة.
تقترح الورقة البحثية CAST، وهي طريقة تستفيد من تغيرات قيمة الحالة من أدوات حل الألعاب لتوليد إشارات ائتمان كثيفة على مستوى الدور لتدريب وكلاء النماذج اللغوية الكبيرة عبر التعلم التعزيزي باستخدام مكافآت قابلة للتحقق، متفوقة بشكل كبير على الخطوط المرجعية الحالية عبر بيئات ألعاب متنوعة.
تقدم الورقة البحثية إطار عمل PMRD، وهو إطار عمل مبتكر يعزز التنبؤ بخصائص العقاقير متعدد الوسائط في حالة التعلم الصفري من خلال فصل العوامل المتسقة مع الآلية عن الضوضاء الخاصة بكل وسيط، وإعادة وزن أهداف المحاذاة ديناميكيًا للحفاظ على العلاقات المتماسكة بيولوجيًا بين العقاقير.
تُعد Specula نظاماً وكيلياً يعتمد على النماذج اللغوية الكبيرة (LLM) ومستقلاً بالكامل، يقوم بتوليد مواصفات رسمية عالية الجودة بلغة +TLA لأنظمة برمجية معقدة من خلال حلقات تطور ذاتي، مما يتيح فحص النماذج بفعالية وقد نجح في تحديد 249 خطأً عبر 48 مشروعاً مفتوح المصدر.
تثبت هذه الورقة أن القواعد اللغوية الحتمية، التي تم اكتشافها من خلال البحث التطوري، يمكن أن تعمل كأدوات فعالة ومنخفضة التكلفة لضغط المطالبات (prompts) مما يقلل من نفقات استدلال النماذج اللغوية الكبيرة دون الحاجة إلى عمليات تمرير أمامي للنموذج أثناء عملية الضغط، محققةً أداءً يضاهي الطرق المتقدمة القائمة على النماذج اللغوية.
تُظهر هذه الدراسة أن إطار عمل التعلم الاتحادي الذي يدمج مصنف التصويت (VotingClassifier)، وتحسين المعلمات الفائقة، وتقنيات الذكاء الاصطناعي القابل للتفسير، يحقق دقة بنسبة 99% في التنبؤ بمرض الكلى المزمن، مما يقدم نهجاً موثوقاً يحافظ على الخصوصية للتشخيص المبكر.