24343 ورقة بحثية
تقترح هذه الورقة "مقياس كارداسيف المعرفي" الذي يحدد كمياً القدرة الحسابية لحضارة ما من خلال دمج توافر الطاقة، وكفاءة التخصيص، وأداء الأجهزة لتقدير مقدار التفكير المستدام بمستوى الذكاء الاصطناعي الذي يمكن أن تدعمه مستويات حضارية مختلفة.
تؤيد هذه الورقة استخدام شبكات التماثل العميق (DHNs) كبنية قوية لقواعد البيانات العلاقاتية من خلال إثبات تكافؤها التعبيري الدقيق مع أجزاء محددة من المنطق من الدرجة الأولى ولغة SQL، وإثبات قابلية التقرير لمشكلات التحليل الساكن الرئيسية، والتحقق من أدائها المتفوق من خلال التجارب.
تكشف هذه الورقة أن النماذج اللغوية الصغيرة (1-3 مليار) غالباً ما تتجاوز الاستدلال الحسابي الحقيقي في تحفيز "سلسلة الأفكور" (Chain-of-Thought) عبر الاعتماد على اختصار موضعي حيث تقوم ببساطة بنسخ الرقم الذي يسبق مباشرة فاصل الإجابة، وهي آلية تهيمن على الأداء وتقوض موثوقية الرقابة القائمة على "سلسلة الأفكور".
تقترح هذه الورقة إطار عمل التوجيه EDRM، وهو إطار عمل خالٍ من التدريب يحدد تحولاً في الإنتروبيا يشبه مرحلة الانتقال أثناء فك التشفير المبكر لتحديد متى يكون استنتاج "سلسلة الأفكار" مفيداً بشكل ديناميكي، مما يقلل بشكل كبير من استهلاك الرموز مع تحسين الدقة عبر المهام والنماذج المتنوعة.
تقدم الورقة البحثية وكلاء الرياضيات البحثية (RMA)، وهو إطار عمل وكيل يتفوق على النماذج المرجعية القوية مثل GPT-5.2R في المسائل الرياضية ذات المستوى البحثي، وذلك من خلال استخدام سير عمل تكراري متعدد الأدوار لتفكيك المهام إلى وحدات متخصصة للتأسيس المرجعي للأدبيات، وتوليد البراهين، والتحقق.
تقدم الورقة البحثية "Tensor Cache"، وهو نظام ذاكرة ترابطي ثنائي المستويات يجمع بين انتباه النافذة المنزلقة وذاكرة الأوزان السريعة ذات حاصل الضرب الخارجي ثابت الحجم للاحتفاظ بالرموز (tokens) المستبعدة وضغطها، وذلك بهدف تحسين حدود جودة الذاكرة لنماذج "Transformer" ذات السياق الطويل مع تصحيح اختصار تدريبي شائع يتسبب في إدخال تفاعلات زائفة بين الرموز.
تقدم الورقة البحثية ImProver 2، وهو إطار عمل عصبي رمزي يجمع بين التكرار الخبير كفؤ البيانات ونظام سقالات هيكلي لتمكين النماذج اللغوية الصغيرة من تحسين البراهين الصورية المعقدة في Lean 4 بفعالية، متفوقةً بشكل كبير على النماذج الأكبر حجماً مع ترسيخ تحسين البراهين كمهمة قابلة للتعلم والتوسع.
يُعد Agentic-VLA إطار عمل فعال للتكيف عبر الإنترنت لنماذج الرؤية واللغة والعمل، والذي يستفيد من التوليف التكيفي للمكافآت، والاستكشاف الموجه باللغة، وذاكرة الخبرة لتحسين التعميم، وكفاءة العينات، ونقل المهام عبر معايسات التلاعب الروبوتية بشكل كبير.
تقدم هذه الورقة إطار عمل متمحور حول الوظائف باستخدام المبدلات عبر النماذج (Transcoders) لتفسير نماذج الرؤية واللغة، مما يثبت أن هذا النهج يحقق تجذيراً بصرياً أكثر استقراراً من المشفرات التلقائية المتفرقة (Sparse Autoencoders) ويسمح بالتنبؤ بالهلوسة من خلال تحليل الرسم البياني الآلي.
تكشف هذه الورقة أن معايير التقييم الحالية للرؤية واللغة تفشل في تقييم الربط البصري دقيق التفاصيل بشكل موثوق لأن النماذج مفتوحة المصدر تظهر حساسية منخفضة بشكل مفاجئ تجاه التدهور البصري وتعتمد على الأدلة البصرية بدرجة أقل مما تشير إليه مقاييس الدقة القياسية، وهي ظاهرة تُعزى إلى زيادة التشابه بين الرموز البصرية في طبقات الشبكة العميقة.