23845 ورقة بحثية
تقدم هذه الورقة البحثية "الندرة بالأمر" (Sparse by Command)، وهو نهج مصمم مشتركًا بين الأجهزة والبرمجيات يستفيد من أوامر المهام لتخطي الحسابات غير الضرورية ديناميكيًا عبر شبكات بوابات خفيفة الوزن ومسرع بلاطي متخصص، محققًا خفضًا في العمليات الحسابية بنسبة تصل إلى 76% وتسريعًا في زمن الاستجابة بمقدار 2.4 ضعف لعمليات الاستدلال متعددة المهام دون تغيير بنية النموذج.
تقدم هذه الورقة LFS-FRAME، وهو إطار عمل تجميعي متراكم خالٍ من التسرب يجمع بين شبكات كولموغوروف-أرنولد وXGBoost مع استراتيجية صارمة خارج النطاق (out-of-fold) لتحقيق تصنيف متعدد الفئات قوي وقابل للتعميم من خلال الدمج الفعال بين الأنماط الوظيفية وحدود القرار القائمة على القواعد.
تقدم الورقة البحثية Nanbeige4.2-3B، وهو نموذج وكيل عام مدمج بـ 3 مليارات معلمة تم تدريبه مسبقاً على 28 تريليون رمز باستخدام بنية المحول الحلقي (Looped Transformer) وتدريب متقدم على التعلم المعزز (RL)، والذي يتفوق بشكل كبير على نماذج أكبر مثل Qwen3.5-9B وGemma4-12B عبر مختلف اختبارات الوكلاء مع الحفاظ على قدرات استدلال قوية.
تقدم هذه الورقة REDE، وهو إطار تعلم مبتكر يعزز اكتشاف الهلوسة في نماذج الاستدلال الكبيرة من خلال تحديد وتصفية الخطوات غير ذات الصلة والمتكررة تلقائيًا من آثار الاستدلال باستخدام انتباه الإجابة النهائية كإشارة إشرافية.
تقدم الورقة البحثية MEUSLI، وهي أول عائلة أجهزة عرض متعددة اللغات قائمة على العلم المفتوح تربط مشفر كلام Whisper مع نماذج لغوية كبيرة مفتوحة المصدر لتمكين التعرف التلقائي على الكلام القابل للتوسع من طرف إلى طرف وغير القائم على النصوص، بالإضافة إلى مهام فهم الكلام الأخرى عبر 28 لغة أوروبية.
تقدم هذه الورقة TriGlue، وهو إطار عمل توليدي مستوحى من البيولوجيا يعالج التحدي الحسابي المتمثل في تصميم مُحللات الغراء الجزيئي عبر تفكيك المشكلة إلى تقدير الواجهة وتوليد معقد ثلاثي مشروط بالواجهة للتنبؤ بالتفاعلات بين البروتينات وتوليد غراء جزيئي جديد في آن واحد.
تقترح الورقة البحثية dRAE، وهو مشفر تلقائي تمثيلي يستخدم التكميم الكروي الفائق لحل مشكلة عدم تطابق المقياس وانهيار دفتر الرموز، مما يتيح تقطيراً قابلاً للتوسع وعالي الدقة للتمثيلات البصرية للنماذج اللغوية مع تحقيق استفادة بنسبة 100% من دفتر الرموز.
تثبت هذه الورقة أن وكلاء الذكاء الاصطناعي ذوي الأوزان المجمدة يمكنهم تحقيق تحسينات كبيرة في التعلم المستمر عبر ربط نماذجهم الثابتة بنظام ذاكرة خارجية يعمل على تقطير التغذية الراجعة أثناء النشر إلى قواعد لغوية طبيعية قابلة للاسترجاع، مما يمكنهم من حل مهام كانت مستعصية سابقاً دون إعادة تدريب النموذج.
تقدم هذه الورقة البحثية "مناطق الثقة الموزونة بالإنتروبيا" (ESTR)، وهي طريقة جديدة للتعلم التعزيزي غير المتزامن تعمل على ضبط عتبات تصحيح السياسة الخارجية ديناميكيًا بناءً على إنتروبيا الرموز (token entropy) للتمييز بين ضجيج أخذ العينات الضار والاستكشاف المشروع، مما يحقق استقرارًا فائقًا في التدريب وتسارعًا بمقدار 2.6 ضعفًا مقارنة بخوارزمية GRPO المتزامنة دون التضحية بالدقة.
تقترح هذه الورقة البحثية إطار عمل "الملء قبل التقدم" (FBA)، وهو إطار تدريب لاحق مدفوع بسد فجوة القدرات، يعالج بالتتابع مواءمة اللغة-البصرية المسبقة، وتقارب الجسر النطاقي، والضبط القائم على الأدلة لتعزيز التخصص السيناريوهي لنماذج اللغات الكبيرة متعددة الوسائط للاستشعار عن بعد بشكل كبير، كما هو موضح من خلال الأداء المتفوق في معيار HarborEval المستحدث ومجموعة بيانات CPRS.