23954 ورقة بحثية
تقترح الورقة البحثية COSE، وهو إطار عمل ذاتي التطور يستفيد من الثقة الجوهرية للنماذج اللغوية الكبيرة لتعديل التعلم عبر تحديثات خوارزمية PPO الموزونة بالثقة وإعادة التشغيل ذات الأولوية، مما يقلل بفعالية من مخاطر الأحكام الذاتية الخاطئة ويحقق أداءً فائقاً عبر معايير الاستدلال والرياضيات.
تقترح الورقة البحثية VCap، وهي آلية مكافأة جديدة تعتمد على نظام "الشاهد-المُحكّم" تستفيد من دقة بمستوى التوزيع الهيبرجيومتري للتحقق من الاتساق الواقعي بين التعليقات المرجعية والمولدة، مما يتيح تعميماً من الضعيف إلى القوي في التعلم المعزز يسمح لنموذج بحجم 8 مليار بارامتر بالتفوق على أنظمة التعليق البصري الرائدة.
تقترح الورقة البحثية إطار عمل SPARD، وهو إطار دفاعي يجمع بين التحسين التناوبي المسقط على السلامة (Safety-Projected Alternating optimization) واختيار البيانات القائم على الوعي بالارتباط والتنوع (Relevance-Diversity aware data selection) للتخفيف بفعالية من هجمات الضبط الدقيق الضارة مع الحفاظ على أداء المهمة.
يُعد Clark Hash ترميزاً (codec) عديم الحالة ولا يتطلب تدريباً، يقوم بضغط التضمينات العصبية إلى مخططات "جونسون-ليندستروس" متفرقة وموقعة ومدمجة بحجم 48 بايت، محققاً اختزالاً في التخزين بمقدار 32 ضعفاً مع الحفاظ على دقة عالية في البحث عن تشابه جيب التمام دون الحاجة إلى كتب رموز متعلمة أو إحصاءات مسبقة الحساب.
تقدم الورقة البحثية إطار عمل MemCog، وهو إطار "الذاكرة كإدراك" الذي يستبدل الاسترجاع السلبي أحادي الخطوة بنظام نشط متكامل مع الاستنتاج، يتميز برسوم بيانية للذاكرة قابلة للتنقل وبروتوكولات استكشاف استباقية، محققاً أداءً هو الأفضل في فئته (SOTA) في كل من الأسئلة والأجوبة السلبية ومعيار الذاكرة الاستباقية المقترح حديثاً.
تضع هذه الورقة البحثية أول إطار نظري للتكيف في وقت الاختبار (TTA) من خلال تقديم تعقيد الاسترداد وقابلية تعلم التكيف في وقت الاختبار لتوصيف الحدود الجوهرية، والمقايضات بين القدرة على التكيف والمعلومات، والموثوقية طويلة الأمد لتكييف النماذج مع تدفقات الاختبار غير المستقرة.
تقدم هذه الورقة SpatialBench-Long، وهو معيار مرجعي صارم يتكون من 24 تقييماً عبر مجموعات بيانات متنوعة لبيولوجيا الفضاء، صُممت لاختبار قدرة الوكلاء الذكيين على استخلاص استنتاجات علمية دقيقة من البيانات الخام دون طرق محددة مسبقاً، مما يكشف أن النماذج الرائدة الحالية تحقق نسبة نجاح تبلغ 11.1% فقط في مهام الاستدلال المعقدة وطويلة المدى هذه.
يقدم PromptEmbedder إطار عمل جديداً يعتمد على نموذج لغوي كبير مزدوج (dual-LLM) يعمل على فصل معرفة التضمين عن أوزان النموذج الأساسي من خلال التلقين الناعم (soft prompting)، مما يتيح تكييفاً فعالاً لتضمين النصوص غير مرتبط ببنية معمارية محددة ويحقق أداءً يضاهي تقنية LoRA مع تقليل استهلاك الذاكرة ووقت التدريب بشكل كبير.
تقدم هذه الورقة إطار عمل "الحكم ثم الحل" (Judge-Then-Solve - JTS)، وهو إطار عمل للتحكم في الاستدلال يدرب النماذج على الالتزام الصريح بقابلية الإجابة قبل توليد الحلول، مما يغلق بفعالية "فجوة الكشف إلى الامتناع" حيث تدرك النماذج عدم كفاية المعلومات ولكنها تفشل في الامتناع عن الإجابة، مما يؤدي في النهاية إلى تحسين السلامة والكفاءة في المجالات عالية المخاطر.
يُعد MACReD إطار عمل متعدد الوكلاء هرمي يستفيد من الوكلاء المتخصصين ودمج المخططات البيانية متعددة الرؤوس لتحقيق أداء فائق في تحليل مخططات التفاعلات الكيميائية المعقدة عبر الدمج الفعال بين الإدراك البصري والاستدلال المتسق كيميائياً.