24509 ورقة بحثية
تقدم الورقة البحثية MaxShapley، وهو خوارزمية فعالة تستفيد من دالة منفعة "الحد الأقصى للمجموع" (max-sum) القابلة للتفكيك لتوفير إسناد عادل للائتمان لمزودي المحتوى في محركات البحث التوليدية في وقت حدودي، محققةً دقة تضاهي قيم شابلي الدقيقة مع تقليل استهلاك الموارد الحسابية بشكل كبير.
تجادل هذه الورقة بأن أبحاث سلامة الذكاء الاصطناعي يجب أن تتحول من التركيز حصرياً على أنظمة الذكاء الاصطناعي العام الفردية المتجانسة إلى معالجة فرضية "الذكاء الاصطناعي العام المرقع" الناشئة، مقترحةً إطار عمل لـ "سلامة الذكاء الاصطناعي العام التوزيعي" يستخدم اقتصادات الساندبوكس الافتراضية مع آليات السوق، والقابلية للتدقيق، والرقابة لإدارة المخاطر الناشئة عن المجموعات المنسقة من وكلاء الذكاء الاصطناعي دون العام.
تقدم هذه الورقة البحثية طريقة DIR، وهي طريقة لإزالة الانحياز تعتمد على نظرية المعلومات تعمل على تحسين المعلومات المتبادلة للقضاء بفعالية على الانحيازات الاستقرائية المعقدة مثل طول الاستجابة، والمداهنة، والتنسيق من نماذج المكافأة، مما يعزز قدرتها على التعميم والأداء في عملية التعلم المعزز من التغذية الراجعة البشرية (RLHF).
تستخدم هذه الورقة الشطرنج كبيئة اختبار مضبوطة لتوضيح أن النماذج اللغوية الكبيرة تعتمد بشكل كبير على حفظ الأنماط الشائعة، حيث يتدهور أداؤها بشكل كبير ويقترب من العشوائية عند مواجهة وضعيات مستحدثة تفتقر إلى الأولويات التدريبية ذات الصلة، مما يكشف عن قيود متأصلة في قدراتها على التعميم المنهجي.
يُعد FreeOrbit4D إطار عمل لا يتطلب تدريباً يتيح إعادة توجيه الكاميرا التعسفية لمقاطع الفيديو أحادية العدسة من خلال إعادة بناء نموذج وسيط رباعي الأبعاد (4D) كامل عبر معالجة منفصلة للمقدمة والخلفية، مما يوفر دعامات هندسية تضمن نتائج دقيقة ومتسقة زمنياً حتى في ظل تغييرات زوايا الرؤية الكبيرة والصعبة.
تُثبت هذه الورقة أن بروتوكول مدفوعات الوكيل (AP2) الخاص بجوجل عرضة لهجمات حقن الأوامر المباشرة وغير المباشرة، وتحديداً تقنيتي "الهمس العلامي" (Branded Whisper) و"همس الخزنة" (Vault Whisper)، اللتين يمكنهما التلاعب بتصنيفات المنتجات واستخراج بيانات المستخدم الحساسة، مما يكشف عن نقاط ضعف حرجة في الأنظمة المالية الحالية التي تتوسطها النماذج اللغوية الكبيرة.
تقترح هذه الورقة وتتحقق من صحة استراتيجية لإثبات المفهوم لتوليد محتوى ألعاب ديناميكي عالي الجودة وفي الوقت الفعلي باستخدام نماذج لغوية صغيرة متخصصة (SLMs) تم ضبطها بدقة شديدة على مهام ذات نطاق ضيق ومولدة اصطناعياً، مما يتغلب على قيود عدم الاتساق السردي والاعتماد على السحابة التي تعيب النماذج اللغوية الكبيرة.
تقدم الورقة البحثية نموذج WIND، وهو نموذج أساسي جوي يعمل بتقنية "التعلم الصفري" (zero-shot) يستفيد من انتشار الفيديو ذاتي الإشراف لتعلم نموذج مسبق غير مرتبط بمهمة محددة، مما يمكّنه من حل مشكلات متنوعة في الطقس والمناخ — بما في ذلك التنبؤ، وتصغير النطاق، وإعادة البناء — من خلال أخذ عينات المسائل العكسية دون الحاجة إلى أي ضبط دقيق خاص بمهمة معينة.
تحلل هذه الورقة البحثية بشكل منهجي حيز تصميم التعلم التعزيزي لنماذج الانتشار، وتثبت أن استخدام مُقدِّر احتمالية قائم على الحد الأدنى للاحتمال (ELBO) يتم حسابه من العينة النهائية المولدة هو العامل الحاسم الذي يُمكِّن من التحسين الفعال والمستقر، متفوقاً بشكل كبير على الطرق الحالية في كل من معايير السرعة والمكافأة.
تُظهر هذه الدراسة أن زيادة السياق الزمني لمقاطع الفيديو تعزز بشكل كبير من التوافق بين الدماغ والنماذج للنماذج اللغوية الكبيرة متعددة الوسائط (ولكن ليس لنماذج الفيديو أحادية الوسائط)، مما يكشف عن تطابق هرمي بين المقاييس الزمنية للتكامل العصبي الأطول في مناطق الدماغ العليا والطبقات العميقة للنماذج اللغوية الكبيرة متعددة الوسائط أثناء فهم السرد.