24509 ورقة بحثية
تقدم هذه الورقة إطار عمل شبكة "النمو-التقليم-التجميد" (GPF)، القائم على نظرية المصفوفات العشوائية غير الخطية، والذي يتيح التعلم المستمر التكيفي للملاحة الشمية من خلال نمو وتقليم وتجميد طبقات الشبكة ديناميكيًا لتحقيق معدل نجاح بنسبة 94% في مهام السحب الاضطرابية مع إظهار إمكانية التعميم في مجالات تعلم الآلة الأخرى.
تقدم هذه الورقة SpecAlign، وهو إطار عمل يعزز المحاذاة الدلالية لتأكيدات SystemVerilog المولدة بواسطة النماذج اللغوية الكبيرة مع المواصفات المكتوبة باللغة الطبيعية من خلال التقييم القائم على الاستلزام التكراري، واستدلال سلسلة الأفكار، والتصويت عبر اتساق الذات، مما يؤدي إلى تحسين دقة التأكيدات دون الاعتماد على منطق دارات مسجلة (RTL) ذهبي.
تُثبت هذه الورقة أن الضبط الدقيق لنموذج لغوي حصرياً على رسم بياني معرفي عالي الجودة مستمد من كتاب مرجعي واحد في علم الأعصاب، مع تعزيزه بالتدريب على الأسئلة والأجوبة متعددة القفزات والتعلم التعزيزي، يُمكّن من تحقيق استدلال بمستوى الخبراء يتجاوز النماذج اللغوية الكبيرة في الدقة مع استخدام عدد أقل بمراحل من المعلمات.
تقدم هذه الورقة طريقة للمقارنة المنهجية بين الصياغات القانونية من خلال حصر وتوصيف الحالات الحدية التي تختلف فيها، مما يكشف أن التشابه الهيكلي لا يضمن الاتساق السلوكي، وأن الصياغات التي تولدها النماذج اللغوية الكبيرة يمكن أن تنتج اختلافات متباينة وذات دلالة قانونية.
تجد هذه الدراسة، بناءً على مسح شمل 9,000 مستجيب من تسع دول، أن الدعم الشعبي للذكاء الاصطناعي العسكري مدفوع في المقام الأول بالمواقف الإيجابية العامة تجاه الذكاء الاصطناعي وآراء السياسة الخارجية الصقورية بدلاً من المعارضة المبدئية للاستقلالية، مع تركز القلق تحديداً حول القوة الفتاكة المستقلة تماماً بدلاً من تطبيقات الذكاء الاصطناعي العسكري بشكل عام.
تقدم هذه الورقة البحثية "BBT-spectral"، وهي طريقة تكميم تركز على الجانب الهندسي تطبق دورات "والش-هادامارد" التكيفية مع التأثير وإعادة قياس قائمة على الطاقة على مصفوفات الأوزان، مما يقلل بشكل كبير من الحيرة (perplexity) في تكميم النماذج اللغوية الكبيرة ذات البتات المنخفضة للغاية (W2A16) عبر مختلف بنيات النماذج مع ضمان التوافق مع الأجهزة من أجهزة إنتل.
تقترح هذه الورقة إطار عمل تدريب شبه مُشرف يتكون من مرحلتين، يقوم بتقطير نماذج الانتشار المتخصصة خفيفة الوزن في نموذج عام باستخدام بيانات غير مُصنفة وفيرة، مما يحقق تعلماً فعالاً متعدد الأهداف بضمانات إحصائية تعتمد فقط على تعقيد النماذج المتخصصة بدلاً من النموذج العام.
تقترح هذه الورقة إطار عمل لنظرية المجال ذات العمق المستمر، ينمذج رقع التنشيط في نماذج المحولات (Transformer) كإدراجات مصادر موضعية ويتنبأ بالتغيرات السلوكية اللاحقة عبر استجابات دالة "جرين" (Green-function)، مما يؤسس لغة رياضية من الحساسيات والمجالات المنتشرة لتنظيم واستنتاج التدخلات الميكانيكية.
تقترح هذه الورقة إطار عمل للاستكشاف العشوائي الموجه الخالي من الملصقات، والذي يعزز قدرات الاستدلال للشبكات العصبية التكرارية عبر تشويش مسارات الاستدلال الكامنة وإعادة وزنها بواسطة آليات التوقف المبكر الموجودة، مما يؤدي إلى تعزيز الدقة بشكل كبير في المهام الهيكلية مثل "Sudoku-Extreme" مع توفير تشخيصات لتقييم موثوقية التوجيه الداخلي للنموذج.
تقترح هذه الورقة إطار عمل لإعادة الهندسة من نوع (Code2Text2Code) قائم على المواصفات، يعمل على الحد من الانحراف الدلالي وعدم الاتساق السلوكي في تطور البرمجيات بوساطة النماذج اللغوية الكبيرة، وذلك عبر تحويل الكود المصدري إلى مواصفات نصية محايدة للتحقق التكراري قبل إعادة توليد الكود المستهدف.