23845 ورقة بحثية
تتقصى هذه الورقة البحثية اتساق الكامن متعدد الآفاق في متنبئات الفيديو، مظهرةً أنه في حين أن زيادة وزن الاتفاق () تؤدي بشكل كبير إلى تقليص الديناميكيات الكامنة وتقليل خطأ التنبؤ في مجموعات البيانات السلبية مثل Moving-MNIST، فإن هذا التقلص الهندسي لا يتعمم على مجالات التحكم المشروطة بالأفعال أو الفيديو المعقد، مما يكشف عن محدودية صارمة للنطاق بالنسبة لهذه التقنية.
تقترح هذه الورقة إطار عمل DUQFL-Prox، وهو إطار تعلم اتحادي كمي مستقر ضد الانجراف يجمع بين تحديثات SPSA غير المطوية التكيفية مع حد تقريبي ومتحكم خفيف الوزن لتعزيز الاستقرار، والتعميم، وعدالة العميل في الخدمات الذكية الموزعة غير المتجانسة.
تقترح هذه الورقة تسلسلاً هرمياً لخصائص المواد وإطار عمل قائماً على الأدلة لمعالجة تحديات إثبات الجدة في اكتشاف المواد المدفوع بالذكاء الاصطناعي، محاججةً بأن القيود الحالية في تكامل البيانات متعددة الوسائط والقياس المرجعي يجب التغلب عليها من خلال معايير مجتمعية شاملة لتمكين تصميم مواد قابلة للتحقيق تجريبياً.
تقدم هذه الورقة البحثية "ترميز الأفعال المرتب" (OAT)، وهي طريقة متعلمة تعمل على تقطيع كتل أفعال الروبوت المستمرة إلى تسلسلات مهيكلة ومرتبة لتحقيق ضغط عالٍ وقابلية كاملة لفك التشفير، مما يتيح مقايضات مرنة عند الاستنتاج بين التكلفة والدقة مع تحسين أداء سياسة الرؤية والحركة باستمرار عبر مهام متنوعة في المحاكاة والعالم الحقيقي.
تقدم هذه الورقة دراسة حالة قابلة للتكرار ومتعددة المزودين تقيس كيفية قيام واجهات برمجة التطبيقات التجارية (Anthropic وOpenAI وGoogle Vertex AI) بعدّ توكنات المدخلات لكود مصدري مُصوَّر كصور مقابل النص الخام، مما يكشف عن تباينات كبيرة في نسب تقليل التوكنات ونقاط التعادل عبر مختلف النماذج وأطوال الكود.
تؤسس هذه الورقة نظرية العتبة الحادة للكشف التكيفي عن القيم المتطرفة خارج التوزيع، حيث تثبت أن عدم نقاء بنك الذاكرة يتبع قانوناً ديناميكياً حرجاً يؤدي إلى التسمم الذاتي، وتقترح آليات معتمدة خالية من الملصقات لقطع هذه الحلقة المرتدة مع توصيف الاستحالة الجوهرية للتمييز بين الانزياح والتلوث دون وجود ملصقات.
تقترح هذه الورقة نهجاً مدفوعاً بالذكاء الاصطناعي وموفراً للطاقة من أجل تحسين الكود المستدام في علم الفلك الراديوي، وذلك عبر تعزيز النماذج اللغوية الصغيرة (SLMs) باستخدام التوليد متعدد العينات وتغذية المترجم الراجعة، مما يمكنها من مضاهاة أو تجاوز النماذج الأكبر حجماً مع تقليل الأثر البيئي لعملية التحسين نفسها.
تجادل هذه الورقة بأن فشل نماذج العالم التوليدية الحالية في دعم مهام المحاكاة ذات الحالة (stateful) لا ينبع من قيود معمارية، بل من تصميمات وقت التشغيل المتمحورة حول الطلب والتي تتخلص من الحالة الحسابية المستمرة، وتقترح بدلاً من ذلك وقت تشغيل متمحور حول الجلسة يتيح إنشاء نقاط فحص واستعادة فورية تقريباً للحالة غير القابلة لإعادة الحوسبة لتسهيل عمليات تدحرج نماذج العالم المتطابقة بايتياً وبكفاءة.
تُثبت هذه الورقة أن النموذج التربيعي البسيط، عند تطبيقه عبر توسيع تايلور عند نقاط تدقيق متوسطة، يمكنه بشكل مفاجئ التنبؤ بديناميكيات التحسين في النماذج اللغوية الكبيرة بدقة، مما يكشف عن أطياف هسيان مهيكلة ويؤكد أن التدريب يحدث عادةً عند حافة استقرار عشوائية تعتمد على حجم الدفعة.
تضع هذه الورقة "سقفاً استدلالياً" قابلاً للحساب لتقييمات الفرق الحمراء للذكاء الاصطناعي، حيث تثبت أنه في حين يمكن للمعايير المرجعية الحالية أن تصادق بفعالية على السلامة فيما يتعلق بالأضرار عالية التكرار، إلا أنها غير كافية جوهرياً لإثبات السلامة تجاه المخاطر الكارثية النادرة بسبب القيود الإحصائية المتأصلة.