24055 ورقة بحثية
تكشف هذه الورقة أن القصص التي تولدها النماذج اللغوية الكبيرة تظهر تنوعاً منخفضاً بشكل صارخ، حيث تهيمن مجموعة صغيرة من الرموز مثل "إلياس" و"المنارة" على المخرجات بسبب انتشارها في مجموعات بيانات محاذاة التفضيلات بدلاً من بيانات ما قبل التدريب، مما يسلط الضوء على التأثير غير المتناسب لمجموعات البيانات الصغيرة وعالية الجودة على سلوك النموذج.
تقترح الورقة البحثية Dense2MoE، وهو إطار عمل مبتكر يوحد بين تقليم الطبقات وإعادة التدوء (upcycling) لتحويل النماذج اللغوية الكبيرة الكثيفة بكفاءة إلى نماذج خليط من الخبراء (Mixture of Experts) جاهزة للعمل على الأجهزة، مما يحسن بشكل كبير جبهة باريتو للدقة مقابل زمن الاستجابة مع تجنب التكاليف الباهظة للتدريب من الصفر.
تقترح هذه الورقة إطار عمل CmIVTP، وهو إطار تفاعل عبر الوسائط يدمج بيانات AIS المتفرقة مع الميزات البيئية لكاميرات المراقبة (CCTV) عبر مشفر مشهد مدرك للهدف ومحول عبر الوسائط لتعزيز دقة التنبؤ بمسار السفن، مدعوماً بمجموعة بيانات جديدة ضخمة ومتزامنة (Maritime-MmD) وطريقة قابلة للتوسع لتوليد المسارات.
تتناول هذه الورقة الحاجة الماسة للذكاء الاصطناعي القانوني للتمييز بين التغييرات ذات الصلة قانوناً وغير ذات الصلة من خلال تقديم مجموعة تقييم حساسة لمدى الصلة تكشف إخفاقات النماذج الحالية، واقتراح LexGuard، وهو إطار عمل عدائي قائم على الحلول يعزز موثوقية الاستدلال وجدارته من خلال التحقق من القيود الرسمية.
تقدم الورقة البحثية "مطابقة التدفق التكرارية" (Recursive Flow Matching - RecFM)، وهو إطار توليدي مبتكر يفرض الاتساق الذاتي عبر مقاييس التجزئة لتحقيق تنبؤ عالي الدقة وفي الوقت الفعلي للديناميكيات المكانية والزمانية المعقدة، مع تسريع يصل إلى 20 ضعفاً مقارنة بالمحاكيات القائمة على الانتشار، مع تقليل أخطاء التنبؤ بشكل كبير.
تقدم هذه الورقة نموذج الانتشار الكامن ذو البوابة النطاقية (DGLD)، وهو إطار توليدي مبتكر نجح في اكتشاف والتحقق من صحة مادتين طاقيتين فريدتين من الناحية الهيكلية وعاليتي الأداء (L1 وE1) بسرعات انفجار تتجاوز 8 كم/ثانية مؤكدة بنظرية الكثافة الوظيفية (DFT)، متجاوزاً بذلك قيود النماذج الحالية التي إما تحفظ بيانات التدريب أو تفشل في الحفاظ على الأداء أثناء الاستقراء.
يُعد MobileExplorer إطار عمل مبتكرًا يسرع عملية الاستنتاج على الأجهزة لوكلاء واجهة المستخدم الرسومية للهواتف المحمولة من خلال استغلال وقت التفكير الخاص بالنموذج لإجراء استكشاف متوازٍ عبر الإنترنت لعناصر واجهة المستخدم، مما يولد تلميحات سياقية لتقليل خطوات التفكير وزمن الاستجابة مع الحفاظ على معدلات نجاح عالية للمهام.
تقدم هذه الورقة FAV، وهو إطار عمل محاذاة عام للنماذج التوليدية ذات الخطوات القليلة، والذي يستفيد من الاستدلال التبايني القائم على العينات والارتباط بنقطة ثابتة لتحسين عائلات نماذج متنوعة عبر مجالات الروبوتات وتوليد الصور دون اشتراط احتمالات قابلة للحساب أو افتراضات حل محددة.
تتناول هذه الورقة تحدي النزاع السياقي للمتعددات (contextual dueling bandits) مع التغذية الراجعة العشوائية المتأخرة من خلال اقتراح خوارزميات خطية وعصبية مبتكرة تستخدم آلية وزن الاحتمال العكسي ضمن دالة الخسارة لضمان التقدير غير المنحاز، محققةً حدود ندم دون خطي ومثبتةً فعاليتها من خلال تجارب مستفيضة.
تقترح هذه الورقة محولاً ذا مرحلتين يصحح التناقضات الاقتصادية للنماذج التأسيسية للبيانات الجدولية من خلال دمج تنبؤاتها ضمن إطار تعظيم المنفعة، مما يحقق دقة فائقة في مهام الاختيار المنفصل مع ضمان علاقات سعر-طلب صالحة نظرياً.