25114 ورقة بحثية
تقدم هذه الورقة "منطق الفرضيات" (LoH)، وهو إطار عمل عصبي رمزي مبتكر يوحد بين القواعد المصممة يدويًا والتعلم القائم على البيانات عبر توسيع المنطق القضايا بمعامل اختيار قابل للتعلم يتم تجميعه في منطق ضبابي قابل للتفاضل، مما يتيح تكاملاً مرنًا للمعرفة واستدلالًا بولينياً منفصلاً دون فقدان في الأداء.
تقدم هذه الورقة البحثية "توجيه التنشيط غير المؤلم" (Painless Activation Steering - PAS)، وهو أسلوب مؤتمت بالكامل وخفيف الوزن يقوم ببناء ناقلات التنشيط من مجموعات البيانات المصنفة دون تدخل بشري لتوجيه النماذج اللغوية الكبيرة بفعالية نحو السلوكيات المرغوبة، متفوقاً على التقنيات الحالية في القدرة على التحكم والكفاءة مع إظهار فعالية محددة للمهام الموجهة نحو السلوك.
تقدم هذه الورقة "نماذج المستشار" (Advisor Models)، وهي طريقة لتدريب نماذج صغيرة مفتوحة الأوزان لتوليد نصائح لغوية طبيعية ديناميكية لكل حالة على حدة، مما يعمل بفعالية على توجيه وتعزيز أداء النماذج اللغوية الكبيرة الأمامية غير القابلة للوصول (black-box) من خلال التحسين البارامتري دون تعديل أوزانها.
تقدم الورقة البحثية SAE-RNA، وهو نموذج للمشفّر التلقائي المتناثر (sparse autoencoder) يفسر تمثيلات نماذج لغة الحمض النووي الريبوزي (RNA) عبر رسم خرائط لها إلى سمات بيولوجية بمستوى بشري، مما يعمل كمسبار على مستوى التمثيل لتوصيف كيفية تنظيم هذه النماذج للمعلومات البيولوجية وتحديد المكونات المتناثرة المتعلقة بهوية عائلة الحمض النووي الريبوزي والسياق الهيكلي.
تقدم الورقة البحثية تقنية ADMIT، وهي تقنية حقن عدائي متعدد ومتوافق دلاليًا وقليل العينات، تنجح في تسميم أنظمة التحقق من الحقائق القائمة على التوليد المعزز بالاسترجاع (RAG) عبر حقن محتوى عدائي ضئيل لتجاوز الأدلة الأصلية والتلاعب بمخرجات النماذج اللغوية الكبيرة بمعدل نجاح هجوم مرتفع عبر نماذج ومجالات متنوعة.
تقدم هذه الورقة دالات المجموع الرتيبة والقابلة للفصل (MAS) للحفاظ على ترتيب احتواء المجموع، وتضع حدوداً نظرية لوجودها وأبعادها، وتقترح نموذجاً عصبياً "ضعيف الـ MAS" مستقراً للمجموعات الأرضية اللانهائية، وتثبت فعاليتها في مهام احتواء المجموع من خلال كل من ضمانات التقريب الشامل والنتائج التجريبية.
يُعد SemanticOpt إطار عمل مبتكر يعزز النماذج اللغوية الكبيرة من أجل التحسين الدلالي للصندوق الأسود عبر ضبطها بدقة على مسارات بايزية مهيكلة ومثرية بسياق لغوي طبيعي، مما يمكنها من الاستفادة بفعالية من المعرفة بالمجال والتفوق على كل من المحسنات الكلاسيكية والمحسنات القائمة على النماذج اللغوية الكبيرة في السيناريوهات التجريبية المكلفة.
تقترح هذه الورقة البحثية "تنظيم تركيز الأوزان" (WCR)، وهو منظم جديد أثناء التدريب يعمل على تضخيم مجموعة فرعية صغيرة من المعلمات المعلوماتية مع كبح غيرها لتحسين متانة تقليم المقدار بضربة واحدة بشكل كبير تحت ظروف التشتت العالي عبر مختلف مهام التعلم العميق.
تقدم الورقة البحثية نموذج DR Tulu، وهو نموذج بحث عميق مفتوح المصدر تم تدريبه عبر التعلم التعزيزي باستخدام معايير التقييم المتطورة (RLER) التي تطور معايير التقييم بالتزامن مع السياسة، مما يمكّنه من التفوق على الوكلاء المفتوحين الحاليين ومنافسة الأنظمة المملوكة في مهام البحث طويلة المدى مع كونه أكثر فعالية من حيث التكلفة بشكل كبير.
تقدم الورقة البحثية CodeDistiller، وهو نظام يقوم تلقائياً بتقطير مستودعات GitHub العلمية إلى مكتبات برمجية مدققة، مما يعزز بشكل كبير دقة واكتمال وكلاء الاكتشاف العلمي المؤتمت مع إثبات جدوى استخدام "النموذج اللغوي الكبير كحَكَم" (LLM-as-a-judge) كبديل تقييمي قابل للتوسع.