24888 ورقة بحثية
تقدم الورقة البحثية "نماذج التكرار الصغيرة الاحتمالية" (PTRM)، وهي إطار عمل غير مرتبط بمهمة محددة يعمل على تعزيز قدرات الاستنتاج للنماذج الصغيرة من خلال حقن ضوضاء غاوسية أثناء التكرار المتتابع لتمكين الاستكشاف العشوائي، مما يحقق تقريباً ضعف الدقة في الألغاز المعقدة مقارنة بالنماذج اللغوية الكبيرة الرائدة مع استخدام عدد أقل بكثير من المعلمات ودون الحاجة لإعادة التدريب.
إن GEM هو إطار عمل يعمل على تحسين زمن انتقال الاستدلال لنماذج خليط الخبراء (MoE) من خلال تعيين الخبراء إلى وحدات معالجة الرسومات بناءً على تباين الأجهزة وأنماط تحميل الرموز، مما يقلل من آثار التأخر ويحسن الأداء النهائي بنسبة تصل إلى 16.5%.
تقدم هذه الورقة البحثية نظام CPD Online، وهو كاشف غير معتمد على التدريب ومستقل عن النموذج، يحدد المطالبات العدائية القائمة على التحسين الانسيابي من خلال تطبيق كشف نقطة التغيير المتسلسل على تدفقات الإنتروبيا على مستوى الرمز، محققاً دقة فائقة وتحديداً دقيقاً للمواقع مقارنة بالطرق الحالية القائمة على الحيرة، مع تقليل العبء الحسابي لمرشحات السلامة في المراحل اللاحقة.
تقدم هذه الورقة البحثية استراتيجية التنبؤ متعدد العقد الاستباقي (MnLP)، وهي استراتيجية تدريب مبتكرة تعزز سياسات التوجيه العصبية من خلال التنبؤ بعدة عقد مستقبلية في آن واحد أثناء التدريب للتغلب على اتخاذ القرارات القاصر وتحسين التخطيط طويل المدى دون تكبد أعباء إضافية عند الاستنتاج.
يقدم البحث نظام PerfEvolve، الذي ينقل ضبط قواعد البيانات من التوثيق الساكن إلى إجراءات ديناميكية مدفوعة بالنماذج اللغوية الكبيرة عبر ترجمة منهجيات الخبراء إلى مهارات قابلة للتنفيذ، محققاً تحسينات في الأداء تصل إلى 35.2% مقارنة بالنماذج المرجعية المتطورة على PostgreSQL.
تجادل هذه الورقة بأن مجموعات بيانات اختبار النماذج اللغوية الكبيرة يجب إعادة تصميمها لتكون مقاومة للتلوث —بما يجعلها غير قابلة للتعلم أثناء التدريب مع بقائها قابلة للحل أثناء الاستنتاج— وذلك عبر الاستفادة من التباينات الهيكلية والتقدم الرياضي لضمان تقييم موثوق وقابل للتكرار للنماذج.
تقدم هذه الورقة إطاراً احتمالياً جديداً يعتمد على "بايزي المزدوج" (double-Bayesian) يشتق نظرياً معدل تعلم أمثلي لعملية الانحدار الاشتقاقي العشوائي، مبرهنةً من خلال تجارب مكثفة أن هذا النهج يعزز بفعالية تدريب الشبكات العصبية عبر مهام متنوعة.
تتحدى هذه الورقة الافتراض القائل بأن "المهارات" الإجرائية تعزز أداء وكلاء النماذج اللغوية الكبيرة (LLMs) بشكل عالمي، وذلك من خلال إثبات أن إضافة مثل هذه المهارات في بيئات الأمن السيبراني الهجومية ذات التغذية الراجعة للأدوات عالية النطاق الترددي والمحققة وفق مخطط هيكلي (schema-validated)، توفر فائدة ضئيلة أو حتى تؤدي إلى تدهور الأداء لأن البيئة نفسها توفر إشارات التصحيح اللازمة.
يُعد PromptRad إطار عمل لضبط المطالبات معززاً بالمعرفة، حيث يعيد صياغة وسم تقارير الأشعة كنمذجة لغة مقنعة باستخدام مرادفات UMLS، مما يتيح تصنيفاً عالي الأداء متعدد الملصقات بأقل قدر من البيانات الموسومة عبر التفوق على طرق الضبط الدقيق التقليدية والطرق القائمة على القواميس.
تقدم هذه الورقة نهجاً معززاً قائماً على الوكلاء ومتعدد المستويات لاستعادة البنى البرمجية الهرمية في أنظمة ROS 2 المعقدة والواقعية، وذلك عبر استخدام صياغة مطورة للمطالبات لنماذج اللغات الكبيرة (LLM) واستراتيجية استعادة مرحلية للتغلب على قيود الطرق الحالية القائمة على مستوى العقدة.