23941 ورقة بحثية
تحدد هذه الورقة الجذور النظرية لانحياز الشعبية في أنظمة التوصية التوليدية باعتبارها عيوباً في التحسين على مستوى الرمز (token) وعدم تميز ترميز العناصر، وتقترح "Ghost"، وهو نظام مبتكر يستخدم تحسين عدم الاحتمالية غير المتماثل والترميز القائم على الهيكل (skeleton-founded tokenization) للتخفيف بفعالية من هذا الانحياز مع الحفاظ على فائدة التوصية.
تقترح هذه الورقة CoAD، وهو إطار عمل جديد وخفيف الوزن يوحد بين نماذج كشف القيم المتطرفة ونماذج الترميز التلقائي المقنع من خلال تصميم تعاوني للتغلب على قيود التعميم وعدم توافق القناع في الطرق الحالية، مما يحقق أداءً فائقاً في اكتشاف الشذوذ في السلاسل الزمنية الدقيقة والممتدة.
تقدم الورقة البحثية "Aryabhata 2"، وهو نموذج لغوي مدرب بالتعلم التعزيزي يعتمد على GPT-OSS-20B، والذي يحقق أداءً فائقاً وكفاءة أعلى في عدد الرموز (tokens) في الاختبارات التنافسية لمجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM) مثل JEE وNEET، وذلك من خلال الاستفادة من منهج تعليمي عالي الجودة واستكشاف التوسع التدريجي.
تقدم الورقة البحثية S3Mem، وهو إطار عمل للذاكرة العرضية للمشاهد والأحداث المهيكلة يتفوق على التوليد المعزز بالاسترجاع القياسي والنماذج المرجعية الأخرى في الإجابة التفاعلية على الأسئلة طويلة المدى من خلال تحويل مسارات الوكيل إلى وحدات أدلة مهيكلة وحساسة للمرتكزات تعمل على تحسين الدقة وكفاءة الرموز بشكل كبير.
تقدم الورقة البحثية GenesisFunc، وهو مسار عمل مؤتمت متعدد الوكلاء يولد بيانات استدعاء وظائف اصطناعية عالية الجودة ومتنوعة لتدريب نموذج لغوي كبير بحجم 8 مليار بارامتر، والذي يحقق أداءً فائقاً في النطاق المحدد وقدرة على التعميم خارج النطاق مقارنة بالنماذج مفتوحة المصدر ذات الحجم المماثل، بينما ينافس الأنظمة المتقدمة القائمة على واجهات برمجة التطبيقات (API).
تقدم هذه الورقة نموذجاً متخصصاً للتعرف على الكيانات المسماة قائماً على تقنية "ترانسفورمر" (transformer)، تم تدريبه على بيانات سريرية مشروحة من قبل خبراء، والذي يحقق أداءً فائقاً (درجة F1 تبلغ 0.89) في استخراج كيانات الأمراض المناعية والعدوائية الدقيقة من السرديات الطبية ذات النصوص الحرة مقارنة بالنهج العامة أو نهج التعلم الصفري.
تقدم هذه الورقة "الأفكار كعملية تخطيط" (Thoughts-as-Planning)، وهو إطار عمل مبتكر يعمل على تحسين سلاسل الاستدلال من خلال نمذجة النموذج اللغوي الكبير كبيئة قابلة للملاحظة جزئياً وتعلم نموذج عالم كامن لتمكين التخطيط الفعال، والقابل للتفسير، ومتعدد المقاييس عبر التدرج الاشتقاقي أو التعلم التعزيزي.
تقدم هذه الورقة GPF-LiveNews، وهو بروتوكول ومعيار تقييم للبث المباشر يدقق في كيفية صياغة النماذج اللغوية الكبيرة للأحداث الإخبارية الناشئة لمجموعات هويات مختلفة من خلال تحليل التباينات الدلالية والوجدانية عبر مدخلات ديناميكية من العالم الحقيقي.
تقدم هذه الورقة مقياساً على مستوى الرأس يسمى "الضعف التفاضلي للدوائر" (differential circuit vulnerability) لتوضيح أنه بينما يعمل الضبط الدقيق الخاضع للإشراف على تكييف النماذج مع المهام الجديدة بشكل أسرع، فإن التعلم المعزز يحافظ بشكل أفضل على الدوائر الحسابية الداخلية، مما يقدم تفسيراً ميكانيكياً لمقاومته المتفوقة للنسيان الكارثي.
تقدم هذه الورقة إطار عمل للتعلم التعزيزي باللعب الذاتي للعبة الورق ذات المعلومات الناقصة "Big 2"، حيث تُظهر أن خوارزمية (PPO) تتفوق على الأساليب القائمة على القيمة في ظل ظروف محكومة، وتبرز فوائد تنظيم الإنتروبيا واللعب الذاتي للسياسة الحالية لتدريب وكلاء متعددين من الوكلاء المتينين.