23941 ورقة بحثية
تُثبت هذه الورقة أن مُحسِّن "Muon" يتفوق باستمرار على "Adam" في تدريب الشبكات العصبية المتكافئة (equivariant neural networks) من خلال التنقل عبر أسطح خسارة أكثر انتظاماً وإنتاج تمثيلات ذات رتبة أعلى، مما يسلط الضوء على الدور الحاسم وغير المستكشف بعد في تصميم المُحسِّنات لتشكيل الحلول في التعلم العميق الهندسي.
تقدم الورقة البحثية مُعاير بيتا-بيرنولي (BBC)، وهو طريقة خفيفة الوزن تستفيد من كل من النتائج الثنائية وتوزيعات التوقعات البشرية لتحويل التقديرات النقطية إلى توقعات احتمالية مُعايرة ذات عدم يقين معرفي موثوق، متفوقة بذلك على أساليب المعايرة والضبط الدقيق الحالية.
تقدم هذه الورقة "ذاكرة التنسور" (Tensor Memory)، وهي وحدة خفيفة الوزن تعزز نماذج المحولات (Transformers) بتنسور ذاكرة ثلاثي الأبعاد، ثابت الحجم ومتكرر، لفصل سعة الحالة عن طول التسلسل مع الحفاظ على الانحيازات الاستقرائية المكانية لتحسين فهم الفيديو طويل المدى والاستنتاج الحساس للاحتجاب.
تقدم هذه الورقة نموذج الانتشار المستند إلى المحاكاة (SID)، وهو إطار عمل لامركزي لتخطيط حركة الروبوتات المتعددة يستفيد من نماذج الانتشار المدركة للقيود لمحاكاة المسارات المستقبلية للجيران والتخطيط استباقياً لمسارات خالية من الاصطدام، مما يعزز القابلية للتوسع والسلامة في البيئات شديدة الازدحام دون الاعتماد على الاستشعار العالمي أو التواصل المستمر.
تقدم الورقة البحثية CiteCheck، وهو إطار عمل هجين يجمع بين الاسترجاع الأكاديمي والتحقق الهيكلي باستخدام النماذج اللغوية الكبيرة للكشف بدقة عن هلاوس الاستشهاد في النصوص العلمية، محققاً أداءً فائقاً على معيار مرجعي جديد تم إنشاؤه في مجال الفيزياء مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة "تدريب فروست" (Frost Training)، وهي طريقة مبتكرة تستفيد من تدرجات دالة المكافأة في فضاء التضمين — التي استُخدمت سابقًا لكسر الحماية (jailbreaking) — لتسريع وتعزيز تحسين السياسة القائم على مونت كارلو لمهام "النموذج اللغوي الكبير كحَكَم" (LLM-as-a-judge)، مما يؤدي إلى مخرجات ذات درجات أعلى وتقارب أسرع في التدريب.
تُعد DeepSciVerify خط إنتاج مكوناً من مرحلتين ومدفوعاً بالنماذج اللغوية الكبيرة، يعمل على تعزيز دقة وكفاءة التحقق من صحة الادعاءات العلمية والاستشهادات من خلال الجمع بين التفكير على مستوى الملخص والتصعيد الانتقائي إلى النص الكامل عند الضرورة فقط.
تُظهر هذه الورقة أن عدم الاتفاق بين العمال في خوارزمية (Local SGD) يكشف بشكل طبيعي عن الاتجاهات الحادة والمهيمنة في مشهد الخسارة، مما يوفر طريقة فعالة حاسبياً وخالية من مصفوفة "هيسيان" لتقدير الفضاء الجزئي المهيمن لتحسين تدريب الشبكات العصبية.
تقترح هذه الورقة "طبقة تشغيل وكيل" (agent runtime layer) معمارية جديدة تسد الفجوة بين أطر عمل الوكلاء المتعددين ومحركات خدمة النماذج اللغوية الكبيرة لتمكين التحسينات القائمة على السياسات، مُثبتةً من خلال نظام CacheSage أن هذا النهج يحسن بشكل كبير معدلات إصابة الذاكرة المخبئية، والوقت حتى ظهور أول رمز، والإنتاجية عبر مختلف أعباء عمل الوكلاء المتعددين.
تُثبت هذه الورقة أن نماذج الرؤية واللغة (VLMs) التي تقوم بالتعرف الضوئي على الحروف (OCR) للنصوص اليونانية القديمة غالباً ما تعتمد على الأوليات اللغوية لتوليد أخطاء فصيحة ولكنها غير مستندة إلى الرؤية، وهو نمط فشل يستمر حتى مع تدخلات وقت فك التشفير ويختلف اختلافاً جوهرياً عن أنماط الضجيج في أنظمة التعرف الضوئي التقليدية.