25186 ورقة بحثية
تقدم هذه الورقة البحثية NSPI، وهو إطار عمل عصبي-رمزي يستفيد من النماذج اللغوية الكبيرة لاقتراح حدسيات تقريبية لمجموع المربعات (Sum-of-Squares) والحوسبة الرمزية لتنقيحها إلى براهين دقيقة ومحققة آلياً باستخدام لغة Lean، مما يحقق إثباتاً آلياً قابلاً للتوسع لعدم تساوٍ متعدد الحدود يصل إلى 10 متغيرات.
إنّ DrugSAGE هو إطار عمل لوكيل ذاتي التطور يراكم ويعيد استخدام الخبرات العابرة للمهام — مثل المهارات التي تم التحقق منها، والاستراتيجيات الفعالة، وإصلاحات الأخطاء — لبناء نماذج اكتشاف أدوية متطورة بكفاءة، مما يتفوق بشكل كبير على الوكلاء الحاليين من خلال تقليل أو إلغاء الحاجة إلى البحث المكلف في المهام الجديدة.
تقدم الورقة البحثية GRLO، وهو نهج تعلم تعزيزي عالي الكفاءة يدرب النماذج من الصفر على مجموعة صغيرة من التفاعلات الحوارية المفتوحة لتحقيق تعميم قوي عبر مجالات متنوعة مثل الرياضيات والبرمجة، مما يقلل بشكل كبير من متطلبات البيانات والحوسبة مقارنة بطرق RLVR التقليدية الخاصة بالمجال نفسه.
تقترح هذه الورقة مساراً نموذجياً للتوليد المعزز بالاسترجاع باستخدام GPT-5.2 والتلقين المقيد بالمخطط لاستخراج وتطبيع الملاحظات السريرية من نصوص المحادثات بين الممرض والمريض إلى تنسيق مهيكل، محققةً درجة F1 بنسبة 80.36% مع إثبات أن الاسترجاع المعزز والتدقيق في المرحلة الثانية يعززان بشكل كبير الالتزام بالمخطط.
تقترح هذه الورقة إطار عمل هجينًا يستخدم وكيلين من نماذج اللغات الكبيرة (مولّد ومشرف) لتحسين جدولة مهام الروبوتات الإنشائية عبر موازنة الوقت والموارد، والتكيف مع ظروف الموقع في الوقت الفعلي عبر واجهات لغوية طبيعية، وإثبات الفعالية من خلال التقييم التجريبي.
تقترح الورقة البحثية "الطبقات الشبحية" (Ghosted Layers)، وهي طريقة لا تتطلب تدريباً، لاستعادة أداء النماذج اللغوية الكبيرة التي تم تقليص طبقاتها عبر اشتقاق مؤثر خطي أمثل ذي صيغة مغلقة لمحاذاة توزيعات التنشيط بين الطبقات المتبقية، مما يؤدي إلى التفوق على النماذج المرجعية المقيدة الحالية مع الحفاظ على مكاسب الكفاءة.
تقترح هذه الورقة إطاراً قائماً على نظرية الألعاب مع خوارزميات قابلة للتوسع ومضمونة نظرياً لحماية المستخدمين من المعلومات المنحازة والتلاعبية في أنظمة تعلم الآلة، وذلك من خلال النمذجة الصريحة ومعالجة تضارب المصالح المتأصل بين مالكي الأنظمة والمستخدمين.
يُعد X-SYNTH إطار عمل مبتكر يعزز تركيب سياق الذكاء الاصطناستري للمؤسسات عبر نمذجة آثار الانتباه الرقمي للعمال الأفراد كخطوط أساس سلوكية لتحديد بصمات النشاط ذات الصلة سببيًا، مما يؤدي إلى تحسين دقة المهام وتقليل المسارات الخاطئة بشكل كبير مقارنة بالطرق التقليدية القائمة على الاسترجاع.
تقدم هذه الورقة البحثية PrismQuant، وهو إطار عمل للكمية المتجهة للمصادر ذات المزيج الغاوسي، والذي يحقق أداءً يقترب من المثالية في معدل التشوه عبر نقل تسميات المكونات دون فقدان وتطبيق تحويلات كولموغوروف-ليفينتال (KLT) خاصة بكل مكون مع التكميم القياسي، مما يسد الفجوة بفعالية بين الحدود النظرية والتنفيذ العملي مع التفوق على برامج الترميز القائمة على نماذج المحولات (Transformer) الضخمة بأحجام نماذج أصغر بكثير.
تُثبت هذه الورقة أن عزو البيانات في التعلم الموزع أمر هش، حيث يمكن لمشارك خبيث استغلال التحسين الكامن لحقن دفعات اصطناعية تضخم مساهمته المقاسة بشكل كبير دون تقليل فائدة النموذج العالمي أو تفعيل الدفاعات الحالية.