24052 ورقة بحثية
تقدم هذه الورقة أول تحليل لتعميم غير فارغ لطريقة تدرج التباين المختزل العشوائي (SVRG) من خلال إرساء حدود استقرار خوارزمية حادة ومعتمدة على البيانات عبر نهج جديد للتفكيك ودالة ليابونوف، مما يوضح التفاعل بين الأمثلة والتعميم لاستخلاص حدود مثلى لمخاطر التجمعات الزائدة.
تقدم هذه الورقة البحثية \textsc{VIBench} لتوضيح أن النماذج اللغوية الكبيرة التابعة لمزودين معينين تظهر انحيازاً كبيراً في التكامل الرأسي في توليد الأكواد، حيث تفضل أنظمتها البيئية الخاصة على البدائل—وهو ميل ذو دلالة إحصائية في التوليد المباشر ويتعاظم بشكل كبير في تدفقات العمل الوكيلية.
تُثبت هذه الورقة الاستقرار الخوارزمي وقدرات التعميم لأسلوب التدرج الاشتقاقي العشوائي مع الزخم (SGDM) من خلال تقديم إطار عمل موحد لمخططات بولياك ونستيروف، واستخلاص حدود استقرار وثيقة دون اشتراط فرضيات فقدان ليبشيتز، وإثبات حدود مثالية لمخاطر السكان الزائدة التي تحل التخمين المتعلق بتأثير الزخم على التعميم.
تقترح هذه الورقة البحثية إطار عمل GS-FUSE، وهو إطار عمل متعدد الوسائط يعزز التنبؤ بالأحداث المالية من خلال دمج وحدة دمج بوابية خاضعة لإشراف "جرانجر" لدمج الإشارات النصية التنبؤية بشكل انتقائي، وآلية محاذاة متعددة المستويات لتحسين محاذاة الإشارات النصية مع مسارات السوق، متفوقاً باستمرار على النماذج الحالية الرائدة.
تقترح هذه الورقة إطار عمل المحفز الناعم (LLM-GNN Soft Prompt Framework - LGSPF)، وهو نهج شامل يربط بين البنى الرسومية والفضاء الدلالي باستخدام المحفزات الناعمة ومشفر شبكة عصبية رسومية (GNN) متوازٍ للتغلب على ندرة النصوص وتشويه الميزات، مما يحقق أداءً هو الأفضل في فئته وتعزيزاً لقابلية التفسير في كشف الاحتيال متعدد العلاقات.
تقدم هذه الورقة FeasiGen، وهو مسار مؤتمت لإنشاء مهام غير قابلة للتنفيذ لوكلاء استخدام الأدوات عبر حجب أدوات حاسمة، وتستخدمه للكشف عن افتقار الوكلاء الحاليين إلى الوعي القوي بالجدوى، حيث يستمرون غالباً في التنفيذ على مهام مستحيلة بمعدلات خطأ عالية، رغم أن البنى متعددة الوكلاء تظهر أداءً محسناً.
تحدد هذه الورقة رؤوس انتباه محددة في الطبقات المتوسطة في النماذج اللغوية الكبيرة والتي تقود بشكل سببي الربط الثقافي، كاشفةً أنه بينما تمتلك النماذج معرفة ثقافية كافية، فإن ميلها إلى التدرج نحو المعاملة المتساوية ينبع من عنق زجاجة في التوجيه يمكن التخفيف من حدته من خلال تدخلات ميكانيكية مستهدفة مثل تعطيل الرؤوس (head knockout) والتحجيم بـ (-scaling).
تقدم هذه الدراسة إطار عمل SMamba-DDPG، وهو نموذج تعلم تعزيزي عميق من نوع "Smooth-Mamba"، يلتقط بفعالية سلوكيات تجنب حوادث المشاة الخاصة بكل نوع من أنواع المركبات، كاشفاً أن المشاة يستجيبون بسرعة وحذر أكبر للمركبات ذاتية القيادة مقارنة بالمركبات التي يقودها بشر، مما يوفر رؤى بالغة الأهمية لتصميم أنظمة القيادة الذاتية الأكثر أماناً ومحاكاة حركة المرور المختلطة الواقعية.
تُثبت هذه الورقة أن سلوك الرفض في النماذج اللغوية الكبيرة يمكن فك تشفيره خطياً من التنشيطات الوسيطة قبل توليد المخرجات، مما يتيح تطوير "Mechanism AutoDAN"، وهو أسلوب هجوم موجه بالمسبار يقلل بشكل كبير من وقت البحث مع الحفاظ على معدلات نجاح تنافسية مقارنة بالأساليب التقليدية.
لمعالجة حالة التشبع والتغطية المحدودة لاستخدام الأدوات في معايسات الوكلاء الحالية، تقدم هذه الورقة TASTE، وهي طريقة مؤتمتة تعكس عملية بناء المهام من خلال تطوير تسلسلات الأدوات لإنشاء -Bench الأكثر تحدياً وشمولاً، والذي يكشف أن النماذج الرائدة الحالية تعاني من انخفاض كبير في الأداء عند مواجهة هذه المهام الأكثر تعقيداً وتنوعاً.