24608 ورقة بحثية
تقدم الورقة البحثية DarkLLM، وهو إطار عمل مبتكر يستفيد من نموذج لغوي كبير بمليار معلمة لترجمة التعليمات باللغة الطبيعية إلى اضطرابات تنافسية متعددة الاستخدامات وعالية الفعالية، مما يوحد ويوسع نطاق الهجمات عبر مختلف النماذج التأسيسية للرؤية والنماذج متعددة الوسائط.
يُعد MO-CAPO خوارزمية مبتكرة لتحسين الأوامر البرمجية متعددة الأهداف، حيث تعمل على تحسين أداء النماذج اللغوية الكبيرة وتكلفة الاستدلال بشكل مشترك من خلال تخصيص الميزانية بكفاءة، متفوقة بذلك على الأساليب الحالية عبر اكتشاف مقايضات متنوعة وقوية بين الأداء والتكلفة مع الحفاظ على كفاءة التكلفة.
يُعد ZeroUnlearn إطار عمل لتعلم "إلغاء المعرفة" بأسلوب التعلم من أمثلة قليلة، حيث يعيد صياغة المهمة كمسألة إعادة رسم خرائط معرفية دقيقة عبر تعديل النموذج، مستخدماً تحديثات بارامترية ضربية لإزالة المعلومات الحساسة بكفاءة مع الحفاظ على المنفعة العامة للنموذج.
تحدد هذه الورقة البحثية وتفسر آلياً انحياز الاستدعاء المفرط الجوهري في وكلاء النماذج اللغوية الكبيرة، حيث تفضل النماذج استدعاء الأدوات حتى عندما يكون ذلك غير ضروري، وتثبت أنه يمكن تصحيح هذا الانحياز سببياً باستخدام المشفّرات التلقائية المتفرقة لتحسين دقة القرار الإجمالية دون التضحية بأداء الاستدعاء.
تُظهر هذه الورقة أنه بينما تفشل المحاكيات العصبية القياسية غالباً في الحفاظ على قوانين الحفظ الفيزيائية رغم دقة تنبؤاتها بالمسارات، فإن البنيات المتخصصة مثل شبكات اكتشاف الحفظ (Conservation Discovery Networks) يمكنها بنجاح تعلم الكميات المحفوظة عالمياً من مسارات هاميلتون، وإن كان أداؤها يعتمد بشكل حاسم على استراتيجيات التدريب مثل الاتساق الزمني والاتساق مع الظروف الأولية.
تثبت هذه الورقة أن مكدس القيم القصوى (extremum stack) يعمل كإحصاء كافٍ أدنى لجميع الدوال القابلة للحوسبة، والسببية، والمستقلة عن المعدل، وذلك من خلال إثبات أن تعقيد كولموغوروف الخاص به يكافئ تقاربيًا أقصر برنامج قادر على الإجابة على أي استعلام ضمن هذه الفئة، مما يؤسس لنموذية نظرية لضغط المكدس للتدفقات المدفوعة بالتباطؤ (hysteresis-driven streams).
تجادل هذه الورقة بأن الادعاءات العلمية المستمدة من المحاكاة الاجتماعية للنماذج اللغوية الكبيرة غالباً ما تتقوض بسبب الحساسية العالية لتفاصيل التنفيذ الطفيفة، وتقترح تصنيف TRAILS لفرض عمليات تدقيق المتانة كمتطلب تحقق إلزامي عبر مستويات الوكيل، والتفاعل، والنظام.
تُثبت هذه الورقة أن "نمط التجاوز" في تقييمات محو التعلم، حيث تحتفظ مسارات الاستنتاج بالمحتوى المنسي بينما تظهر الإجابات وكأنها مُحيت، ليس مؤشراً موثوقاً على الحفظ الخفي على مستوى الأوزان لأن الظاهرة يمكن تكرارها أو عكسها عبر عمليات تبديل بسيطة للقوالب عند وقت فك التشفير، مما يستلزم إجراء مثل هذه التبديلات كفحص للتحقق من السلامة في عمليات التدقيق المستقبلية.
تقدم هذه الورقة CAST، وهو إطار عمل محول يعتمد على الانتباه المتقاطع متعدد المقاييس، يتيح إعادة بناء إشارات تخطيط كهربائية الدماغ داخل الجمجمة لعينات غير مرئية من تسجيلات فروة الرأس غير الغازية باستخدام استراتيجية تعلم نقل ثنائية المراحل، محققاً ارتباطات عالية في المناطق القشرية مع حد أدنى فقط من المعايرة الخاصة بكل شخص.
تقدم الورقة البحثية DiDi-Merging، وهو إطار عمل مدمج لدمج النماذج الديناميكية يستخدم تخصيص الرتب القابل للتفاضل والتحسين الخالي من البيانات لتحقيق توازنات فائقة بين الدقة والكفاءة عبر مهام الرؤية واللغة والمهام متعددة الوسائط بمعاملات أقل بكثير من الطرق الحالية.