23845 ورقة بحثية
تقدم هذه الورقة البحثية إطار عمل PrefMoE، وهو إطار عمل متمحور حول التفضيلات يعالج مشكلة "انهيار التفضيل الجماعي" في النماذج اللغوية الكبيرة متعددة الوسائط المخصصة، وذلك من خلال تفكيك التفضيلات إلى نماذج أولية مشتركة وبواقي مخصصة، مما يعزز توليد الاستجابات الفردية مع التخفيف من الانجراف نحو الخيارات السائدة على مستوى السكان.
تقدم هذه الورقة Tokengeist، وهو إطار عمل قابل للتوسع يعالج أوجه القصور في أساليب الإسناد أحادية الممر في المحادثات متعددة الأدوار من خلال تتبع التبعيات على مستوى الرموز (tokens) بشكل متكرر عبر أدوار المحادثة، محققاً دقة أعلى بكثير في استعادة رسوم المصدر البيانية المعقدة مقارنة بالأسالቢያب الحالية.
تقدم هذه الورقة "حساب شجرة خارج القسمة" (Quotient Tree Arithmetic - QTA)، وهو إطار حوسبي يمثل القيم كأزواج خارج قسمة مؤجلة لتحقيق حسابات نسبية دقيقة، وعمق رمزي محدود، وإلغاء متبادل عبر الأشجار الفرعية، مما يقلل بشكل كبير من الأخطاء العددية والأعباء الإضافية على الذاكرة أثناء تدريب تعلم الآلة مع ربط نظرية التوطين الجبري بالحسابات الأصلية لمعيار IEEE.
تقترح هذه الورقة منهجية تكنولوجية تدمج بين النماذج اللغوية الكبيرة، والواقع المعزز (تحديداً جهاز Apple Vision Pro)، والتوائم الرقمية لإحياء المساحات الحضرية العامة من خلال التصور الديناميكي للذاكرة الثقافية والسياسية، مما يعزز صلة أعمق بين الهوية والمكان والتراث التاريخي.
تُظهر هذه الدراسة أن المشفرات التلقائية المقنعة ذات التعلم الذاتي، والمُدربة مسبقاً على بيانات عصبية لحالة الراحة غير المصنفة، يمكنها تعلم بنيات دماغية قابلة للتفسير وتحسين دقة فك تشفير الإدراك بشكل كبير لدى مشارك كفيف، مما يثبت أن النشاط القشري العفوي يحتوي على معلومات غنية وذات صلة بالمهام.
تقدم هذه الورقة OPTI-Q، وهو إطار عمل للتحسين القائم على التكلفة ومستوحى من قواعد البيانات، يستفيد من كتالوج إحصائي (PERFDB) لتوليد واختيار خطط تنفيذ مثلى متعددة لنماذج اللغات الكبيرة (multi-LLM)، مما يحسن جودة الإجابة بشكل كبير مع الالتزام بالقيود التي يحددها المستخدم بشأن التكلفة، وزمن الاستجابة، والطاقة.
تقترح الورقة البحثية AutoThinkSQL، وهو إطار عمل يدمج بين الضبط الدقيق الخاضع للإشراف وتحسين التفضيل المباشر لتمكين نماذج (Text-to-SQL) من اتخاذ قرار ديناميكي بشأن متى يتم استدعاء استدلال "سلسلة الأفكار" بناءً على تعقيد الاستعلام، مما يحقق دقة أعلى في اختبارات القياس مثل Spider وBIRD مع تقليل تكلفة الاستدلال بشكل كبير مقارنة بنهج الاستدلال القسري.
تقدم هذه الورقة البحثية "التقطير المقنع" (masked distillation)، وهو إطار عمل يعمل على استيعاب قدرات الاستنتاج من النماذج الاستدلالية الضخمة داخل بارامترات نموذج طالب عبر تدريبه على التنبؤ فقط بـ "رموز الحل" (solution tokens) مع تلقي تغذية راجعة مشروطة بـ "سلسلة أفكار" (Chain-of-Thought) النموذج المعلم، مما يتيح توليد الإجابات المباشرة ويقلل زمن انتقال الاستدلال دون التضحية بالدقة.
تقدم هذه الورقة مهمة "الاستعلام عن الجداول القائم على العمليات" (Operation-wise TableQA) للكشف عن محدودية النماذج اللغوية الكبيرة في عمليات الجداول المعقدة، وتقترح إطار عمل "SkillTGR"، الذي يستفيد من الاستدلال الرسومي المهيكل وبنك مهارات ذاتي التطور لتحسين الدقة والكفاءة بشكل كبير في الإجابة على الأسئلة المتعلقة بالجداول.
تقدم الورقة البحثية PRESTO، وهو إطار عمل مبدئي يعزز فك التشفير الاستنتاجي القائم على الانتشار من خلال تنفيذ تسجيل النقاط المتوافق مع البادئة والبحث الشجري القائم على الأولويات لحل عدم التطابق بين الهوامش الانتشارية والتحقق التوافقي الذاتي، مما يحسن الإنتاجية النهائية بشكل كبير.