24509 ورقة بحثية
تحدد هذه الورقة وتصيغ ثلاثة ناقلات هجوم دلالية جديدة على مستوى الوصف (تسميم الأدوات، والتظليل، وسحب البساط) ضد بروتوكول سياق النموذج (MCP)، موضحةً أن التلاعب بالبيانات الوصفية للأدوات يمكن أن يخل بشكل كبير بسلامة النماذج اللغوية الكبيرة، وتقترح استراتيجية دفاع متعددة الطبقات تقلل بفعالية من استدعاءات الأدوات غير الآمنة دون الحاجة إلى إعادة تدريب النموذج.
تقدم الورقة البحثية AutoBaxBuilder، وهو مسار عمل مؤتمت يستفيد من النماذج اللغوية الكبيرة لتوليد معايير قياسية عالية الجودة لأمن البرمجيات بسرعة وبتكلفة اقتصادية، مما يقلل بشكل كبير من الجهد اليدوي المطلوب لبناء المعايير القياسية مع معالجة مشكلات تلوث البيانات وقابلية التوسع.
تقدم هذه الورقة نموذج لغة كبيرة (LLM) مدمجاً مع برنامج AVEVA Process Simulation عبر بروتوكول سياق النموذج (Model Context Protocol)، مما يتيح التفاعل باللغة الطبيعية لأتمتة مهام العمليات الكيميائية المعقدة مثل التحليل، والتحسين، وتخليق المخططات التدفقية، مما يعزز كلاً من الإمكانية التعليمية والكفاءة المهنية مع استمرار الحاجة إلى إشراف الخبراء.
تقترح الورقة البحثية MonoScale، وهو إطار عمل مدرك للتوسع يضمن تحسينات أداء رتيبة في توسيع الأنظمة متعددة الوكلاء القائمة على النماذج اللغوية الكبيرة من خلال توليد مهام استئناس وتلخيص أدلة التفاعل في ذاكرة قابلة للتدقيق لتوجيه التوجيه، مما يمنع انهيار الأداء الذي غالباً ما يسببه التوسع الساذج لمجمعات الوكلاء.
تقدم هذه الورقة إطار تقييم متمحور حول السلوك لدراسة "انتشار الإقناع" في الوكلاء الذكيين الذين يعملون لفترات طويلة، كاشفةً أنه بينما يؤدي الإقناع في الوقت الفعلي إلى آثار ضعيفة، فإن التحديد المسبق الصريح لحالة اعتقاد الوكيل يقلل بشكل كبير من جهد البحث وتنوع المصادر أثناء تنفيذ المهمة.
تقدم هذه الورقة إطار عمل نموذج الانتشار المقنع المعتمد على الترتيب (OeMDM) ومتغيره القابل للتعلم (LoMDM)، اللذين يوحدان مختلف ترتيبات التوليد ويقومان بتحسين سياسات الترتيب بشكل مشترك مع العمود الفقري للانتشار من الصفر لتحقيق أداء فائق في توليد اللغة مقارنة بنماذج الانتشار المنفصلة الحالية.
يُعد FlashSinkhorn حلاً برمجياً للنقل الأمثل الإنتروبي (entropic optimal transport) يعتمد على معالجة البيانات في وحدة معالجة الرسومات (GPU) مع مراعاة كفاءة الإدخال والإخراج (IO-aware)، حيث يستفيد من تقنيات الدمج والتبليط (fusion and tiling) بأسلوب FlashAttention لتقليل حركة مرور بيانات ذاكرة النطاق الترددي العالي (HBM) بشكل جذري، محققاً تسارعاً يصل إلى 161 ضعفاً مقارنة بالنماذج المرجعية المتطورة، مع تمكين التحسين القابل للتوسع لمهام السحب النقطية واسعة النطاق.
تقدم هذه الورقة GraphBFF، وهو إطار عمل متكامل يتميز ببنية Transformer قابلة للتوسع تتيح التدريب الناجح لنماذج التأسيس ذات المليارات من المعلمات على الرسوم البيانية غير المتجانسة، مما يظهر قوانين تحجيم عصبية يمكن التنبؤ بها وأداءً فائقًا عبر مهام متنوعة لاحقة مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة البحثية "معايرة القيم المفردة" (SVC)، وهي طريقة لا تتطلب تدريباً تعمل على تخفيف تدهور الأداء الناتج عن التراكم المفرط للمعرفة الطيفية المشتركة في دمج النماذج، وذلك من خلال قياس تداخل الفضاءات الجزئية وإعادة تحجيم القيم المفردة المتضخمة، مما يحقق نتائج هي الأفضل حالياً عبر معايير الرؤية واللغة.
تثبت هذه الورقة نظرياً وتجريبياً أن الجمع بين تنظيم "كولباك-ليبلر" العكسي وتنظيم الإنتروبيا في تحسين السياسة يؤدي إلى تقارب مستقر في ألعاب الصفر لمتنافسين، ويحسن كفاءة التدريب بشكل كبير عبر خمس بيئات لألعاب الألواح مقارنة بالطرق الحالية.