24055 ورقة بحثية
تحدد هذه الورقة وتعالج نمطي فشل متميزين في التدريب الواعي بالكمية من نوع HiF8 W8A8 —وهما تشبع الـ amax والنسيان الكارثي— عبر تقديم استراتيجية تقدير مقياس نافذة الحد الأقصى وجدول إحماء BF16، محققةً بذلك أداءً يقارب انعدام الفقد في نموذج OpenPangu-Embedded-1B.
تجادل هذه الورقة بأن الأدلة الحالية على قدرة النماذج اللغوية الكبيرة على الاستبطان سابقة لأوانها، ومن المرجح أنها تعكس مطابقة الأنماط بناءً على إشارات سطحية بدلاً من كونها مراقبة معرفية وراء معرفية حقيقية، حيث تفشل النماذج في التمييز بشكل موثوق بين التلاعب بالحالة الداخلية والتلاعب بالمدخلات، ولا تؤدي أداءً أفضل من المصنفات التي تعتمد على المدخلات فقط في التنبؤ بالحالات الخفية.
تقدم الورقة البحثية قانون توسع عصبي موحد (UNSL)، وهو شكل دالي ينمذج ويتنبأ بدقة بأداء مختلف الشبكات العصبية العميقة عبر أبعاد متعددة متزامنة — بما في ذلك حجم النموذج، والبيانات، والحوسبة، والمعلمات الفائقة — متفوقاً على قوانين التوسع الحالية من حيث الدقة عبر مهام الرؤية، واللغة، والرياضيات، والتعلم التعزيزي.
تجادل هذه الورقة بأن نماذج قواعد البيانات الحالية غير كافية لذاكرة الوكلاء الاصطناعيين طويلة الأمد بسبب تركيزها على مستوى السجلات، وتقترح "الذاكرة المتطورة المحكومة" (GEM) كعبء عمل جديد لإدارة البيانات على مستوى الحالة، محددةً بأربعة عوامل تشغيل وستة شروط صحة لمعالجة أنماط الفشل المتكررة مثل النمو غير المنظم والمراجعة الدلالية المفقودة.
تقدم هذه الورقة POLAR، وهو إطار عمل متعدد الوسائط معزز بالذاكرة ينظم تفاعلات المستخدم طويلة الأمد في رسم بياني معرفي لتمكين الوكلاء المجسدين من استرجاع السياق الشخصي بفعالية لتحسين تنفيذ المهام والاستدلال بمرور الوقت.
تقدم هذه الورقة MPMMine، وهي مجموعة معيارية شاملة صُممت للتغلب على قيود الموارد الحالية من خلال توفير نماذج وحالات ومقتنيات معرفية متنوعة لتسهيل تقييم ونضج خوارزميات اكتساب القيود.
تقترح هذه الورقة طبقة تقدير حالة نمطية وقابلة للإضافة، تجمع بين نموذج انتقال بوابي (Gated) مُتعلم وبين مرشح كالمان تكراري لتعويض تأخيرات الاتصال وفقدان الحزم في سياسات التعلم المعزز متعدد الوكلاء سابقة التدريب، مما يعزز بشكل كبير من متانتها وأدائها في البيئات غير المتزامنة الواقعية.
تقدم الورقة البحثية CroCo، وهي طريقة تثبت أن الضبط التفضيلي التبايني عبر اللغات باستخدام استجابات مولدة ذاتياً ونموذج مكافأة مدرب باللغة الإنجليزية يحسن بفعالية أداء النماذج اللغوية الكبيرة متعددة اللغات عبر مهام متنوعة دون الحاجة إلى تعليقات تفضيلية خاصة بكل لغة، شريطة استخدام بيانات السياسة المباشرة (on-policy data).
تقترح هذه الورقة إطار عمل للجيل المعزز بالاسترجاع (RAG) متكاملاً مع النماذج اللغوية الكبيرة (LLMs) لتحقيق كشف وتخفيف في الوقت الفعلي، وبدون تدريب، لهجمات حجب الخدمة من نوع "القصف السجادي" (Carpet-Bombing DDoS) في بيئات الشبكات المعرفة برمجياً (SDN)، مظهرةً أن تهيئة نموذج Gemma-4-31B-IT تحقق أعلى مستويات الدقة والاستقرار.
تقترح هذه الورقة "الكفاءة المرحلية" (Staged-Competence)، وهو إطار عمل للتعلم المنهجي ينظم بيانات التفضيل حسب درجة الصعوبة ويقوم بتحديث النموذج المرجعي تدريجياً لتحسين متانة التحسين المباشر للتفضيلات (DPO) تجاه البيانات خارج النطاق ومقاومة الاختراق لأغراض السلامة بشكل كبير، مع الحفاظ على القدرات العامة.