24608 ورقة بحثية
تقدم هذه الورقة البحثية طريقة DMPO، وهي طريقة تحسين سياسة مطابقة التوزيع تخفف من حدة انهيار النمط في التعلم المعزز القائم على السياسة، وذلك عبر مواءمة السياسة مع توزيع مستهدف متناسب مع المكافأة، مما يحافظ على الاستكشاف ويحسن الأداء بشكل كبير عبر مهام استدلال متنوعة مثل التحسين المسائل الصعبة (NP-hard) والاستدلال الرياضي.
تُرسخ هذه الورقة إطاراً منضبطاً يثبت أن التدريب المسبق ذاتي الإشراف يحقق عوائد كبيرة في تصنيف السلاسل الزمنية وكشف الشذوذ، ولكنه يقدم فوائد هامشية في التنبؤ، وهو تفاوت مدفوع بمقايضة عدم التغير في الدقة التي تحبذ بنيات المحاذاة الكامنة على النماذج التوليدية.
تقدم هذه الورقة البحثية التعلم المعزز الآمن القائم على أخذ العينات (SBSRL)، وهو خوارزمية قائمة على النموذج تضمن السلامة أثناء تعلم التحكم المستمر من خلال فرض القيود عبر عينات الديناميكيات وإدارة عدم اليقين المعرفي، مما يوفر ضمانات سلامة نظرية ويحقق استكشافاً فعالاً في كل من المحاكاة والأجهزة الروبوتية في العالم الحقيقي.
تقدم هذه الورقة BLINKG، وهو معيار مصمم لتقييم فعالية النماذج اللغوية الكبيرة في أتمتة إنشاء الرسوم البيانية للمعرفة من خلال ربط مصادر البيانات غير المتجانسة بمصطلحات الأنطولوجيا، مما يكشف أنه بينما تظهر النماذج الحالية إمكانات واعدة، إلا أنها لا تزال تعاني مع السيناريوهات المعقدة وتتطلب مزيدًا من التطوير لتحقيق بناء شبه مؤتمت قوي.
تقترح هذه الورقة إطاراً طبقياً و"مصفوفة التعددية" لتحديد الحد الأدنى من معلومات التفضيل المجمعة المطلوبة لحساب مقاييس الاختلاف المتنوعة، مبرهنةً على أن العديد من هذه المقاييس تتطلب بيانات تتجاوز مجرد المقارنات الثنائية البسيطة، ومقدمةً بروتوكولات استقاء البيانات لموازنة العبء الواقع على المشاركين مع دقة التقدير.
تقدم الورقة البحثية EgoCoT-Bench، وهو معيار مرجعي لفيديوهات منظور الشخص الأول (egocentric) دقيق التفاصيل يضم 3,172 زوجاً من الأسئلة والأجوبة القابلة للتحقق مع تعليقات توضيحية صريحة للمنطق خطوة بخطوة، مصمم لتقييم وتحسين قدرات الاستدلال المرتكزة على العمليات والمترابطة مع المحتوى في النماذج اللغوية الكبيرة متعددة الوسائط.
تقدم هذه الورقة البحثية TORQ، وهو إطار عمل للكمّ ما بعد التدريب لا يتطلب تدريباً، يستخدم دورات متعامدة ثنائية المستوى لمعالجة الاختلالات الهيكلية في كمّ تنشيط MXFP4 نظرياً، مما يقلص بشكل كبير فجوة الدقة بين الاستدلال بـ 4 بت ونماذج الدقة الكاملة في النماذج اللغوية الكبيرة.
يُعد SceneCode إطار عمل يعمل على تحويل المطالبات باللغة الطبيعية إلى مشاهد داخلية قابلة للتنفيذ ومدفوعة بالكود مع كائنات مفصلية، وذلك عبر توليد برامج بلندر بايثون (Blender Python) والتحقق من صحتها، مما يتيح تخليق عوالم قابلة للتحرير وجاهزة فيزيائياً تتجاوز قيود تمثيلات الشبكات الساكنة (static mesh).
تقدم هذه الورقة دراسة تجريبية تكشف أن جدولة النماذج اللغوية الكبيرة متعددة النماذج على أجهزة غير متجانسة تواجه تدهوراً كبيراً في الأداء يعتمد على النموذج نتيجة لعمليات الإزاحة من المعالج المركزي إلى معالج الرسوميات (CPU-GPU offloading)، وعبئاً كبيراً في عمليات الاستباق مدفوعاً بإعادة تحميل الحالة، مما يحدد العوامل الحاسمة لتصميم الجدولة من الجيل التالي الأكثر كفاءة.
تقدم هذه الورقة البحثية "المهارة الرسمية" (Formal Skill)، وهي تجريد أصيل في وقت التشغيل يستبدل التعليمات غير الرسمية باللغة الطبيعية بآلات حالة قابلة للتنفيذ ومخططات JSON لتعزيز كفاءة ودقة وقابلية إنفاذ وكلاء النماذج اللغوية الكبيرة، كما يتضح من الأداء المتفوق لإطار عمل FairyClaw مفتوح المصدر على اختبار Harness-Bench.