23941 ورقة بحثية
تُرسخ هذه الورقة تقابلاً رياضياً دقيقاً بين تدريب التعلم العميق ومعضلات القيمة الأولية لمعادلات هاميلتون-جاكوبي، مما يوحد بنيات الشبكات العصبية، والجبر الاستوائي، والمعادلات التفاضلية الجزئية اللزجة، والتحسين المحدب تحت معلمة تشوه واحدة لاستخلاص رؤى نظرية دقيقة حول التعميم، والمتانة، والإسناد.
تضع مبادرة BEAMS معايير مرجعية مفتوحة واختبارات مؤتمتة لتقييم أدوات الذكاء الاصطناعي الخاصة بالنمذجة والمحاكاة، كاشفةً عن أن الأنظمة الحالية تتفوق في المهام النوعية والمناقشة، لكنها لا تزال تواجه صعوبات في الاستدلال السببي والتصحيح الكمي للأخطاء، مما يؤكد الحاجة إلى تطوير ذكاء اصطناعي مسؤول متمحور حول الإنسان.
تقدم هذه الورقة أول دراسة منهجية لهجمات حقن الأوامر (prompt injection) في العالم الحقيقي في عمليات فحص السير الذاتية القائمة على النماذج اللغوية الكبيرة (LLM)، حيث حللت 200,000 سيرة ذاتية لتكشف أن ما يقرب من 1% منها يحتوي على حقن مخفي، وأن انتشارها في تزايد، وأن معظمها لا يستخدم تعليمات صريحة.
تقدم هذه الورقة FormInv، وهو بروتوكول قياس يكشف كيف تؤدي عيوب الثبات الدلالي في معايير قياس الاستدلال الرياضي إلى تشويه تصنيفات النماذج، ويكشف عن فجوة حرجة بين الدقة الإجمالية والاتساق الدلالي، مما يثبت أن خيارات تصميم المعايير تحدد ضمنياً أي النماذج تبدو متفوقة.
تُعد LoRe غلافاً (wrapper) يعمل في وقت الاستنتاج ولا يتطلب تدريباً، يعزز قابلية التوسع للمحللات العصبية القائمة على الانتشار للتحسين التوافقي عبر توجيه تقييمات التفاعل لكل خطوة ديناميكياً إلى الحواف ذات الصراع العالي أو عدم اليقين العالي، مما يحقق تسريعاً كبيراً وتقليلاً في الذاكرة مع الحفاظ على جودة الحل في المشكلات واسعة النطاق مثل MIS وTSP.
تقترح هذه الورقة البحثية "الاعتلاج عبر النماذج" (Cross-Model Entropy - CME)، وهو إشارة مكافأة للتعلم التعزيزي خالية من الملصقات، تستفيد من لوغاريتم احتمالية حدوث مخرجات النموذج المولد تحت نموذج تحقق مستقل لتمكين التدريب اللاحق الفعال لاتباع التعليمات مفتوحة النطاق دون الاعتماد على ملصقات الحقيقة الأرضية أو التفضيلات البشرية.
تستخدم هذه الدراسة مسحاً مستعرضاً لـ 72 من ممارسي التعليم العالي للتحقق من صحة إطار عمل (DOT)، حيث كشفت أنه في حين يحمل التربويون آراءً إيجابية تجاه الذكاء الاصطناعي كأداة دعم تربوي ويؤكدون على الإشراف البشري، فإن ممارسات التنفيذ الحالية لديهم تفتقر غالباً إلى عناصر التصميم المنهجي وتعيقها عوائق مؤسسية مثل محدودية السياسات والتدريب.
تقترح هذه الورقة طريقة "تشكيل الخصم القائم على الاعتقاد القابل للتفاضل" (D-BOS)، وهي طريقة من الدرجة الأولى تعمل على تحسين استراتيجيات متعددة الوكلاء من خلال التفاضل عبر ديناميكيات اعتقاد "softmax-Bayes" لعدد من الخطوات لتشكيل معتقدات الخصوم بشكل طبيعي دون الاعتماد على أهداف خداع محددة مسبقًا، مما يحقق أداءً متفوقًا في الألعاب ذات الأدوار المخفية والدوافع المختلطة مقارنة بالنماذج المرجعية الحالية.
تُثبت هذه الورقة أن مسار العمل متعدد الوكلاء المستوحى من نموذج HOPE والمعزز بالذاكرة، والذي يستخدم التخزين المؤقت الدلالي ومراحل المراجعة التدريجية، يمكنه تقليل هلوسة النماذج اللغوية الكبيرة بشكل كبير، وتحسين الكفاءة التشغيلية عبر خفض استهلاك الطاقة، وتعزيز قابلية التدقيق دون الحاجة إلى إعادة تدريب النموذج.
تقدم هذه الورقة SCDBench، وهو عبارة عن مجموعة بيانات معيارية ومنهجية تقييم شاملة صُممت لتقييم أدوات إلغاء تجميع العقود الذكية القائمة على النماذج اللغوية الكبيرة (LLMs) بدقة، من خلال الكشف عن أنه في حين يمكن للنماذج الرائدة توليد كود قابل للتجميع، إلا أنها تعاني حالياً في تحقيق الاتساق الدلالي، حيث نجح أفضل نموذج في إلغاء تجميع 42 عقداً فقط من أصل 600 عقد من العقود الحقيقية.