25186 ورقة بحثية
تقدم هذه الورقة البحثية "النماذج النقطية العصبية" (Neural Point-Forms - NPFs)، وهي طبقة عصبية جديدة غير متغيرة الترتيب تستفيد من الهندسة الانتشارية لتعلم سمات هندسية مدمجة وقابلة للتفسير للسحب النقطية عبر نمذجة معلومات المماس من الرتب العليا من خلال مصفوفات المقارنة، مما يظهر فعالية خاصة في المهام التي تعتمد على البنية المتشعبة وكثافة أخذ العينات.
تقدم هذه الورقة البحثية BetaPRM، وهو نموذج مكافأة عمليات توزيعي يتنبأ بكل من احتمالات النجاح على مستوى الخطوة وموثوقيتها لتمكين تخصيص الحوسبة التكيفي، مما يحسن بشكل كبير مقايضة الدقة مقابل عدد الرموز (accuracy-token tradeoff) في استدلال "الأفضل من N" (Best-of-N) من خلال ضبط الحوسبة ديناميكيًا بناءً على ثقة التنبؤ.
تقدم الورقة البحثية DeltaPrompts، وهي مجموعة بيانات تضم 200 ألف مسألة استدلال اصطناعية تم إنشاؤها عبر مسار مرحلي يستهدف مطالبات "الفرق الصفري" (zero-delta) حيث يتفق النموذجان المعلم والطالب، مما يؤدي إلى تعظيم إشارات التعلم وتحقيق تحسينات في الأداء بنسبة تصل إلى 15% في الأداء النسبي عبر سيناريوهات التقطير متعددة الوسائط المتنوعة.
تقدم هذه الورقة RTL-BenchMT، وهو إطار عمل وكيل (agentic framework) يستفيد من النماذج اللغوية الكبيرة لتحديد وتعديل حالات الاختبار المعيبة تلقائياً وكشف الإفراط في التخصيص (overfitting) في اختبارات توليد لغة وصف العتاد (RTL)، مما يقلل بشكل منهجي من تكاليف الصيانة البشرية ويوفر مجموعة اختبارات منقحة ومفتوحة المصدر.
يُعد DRS-GUI إطار عمل لا يتطلب تدريباً يعمل على تعزيز تحديد عناصر واجهة المستخدم الرسومية في النماذج اللغوية الكبيرة متعددة الوسائط، وذلك عبر توظيف مُدرِك واجهة مستخدم خفيف الوزن ومخطط إجراءات يعتمد على بحث شجرة مونت كارلو (MCTS) لمحاكاة أفعال إدراكية شبيهة بالبشر (التركيز، والتحول، والتشتت) ديناميكياً لتحديد العناصر ذات الصلة بالتعليمات بكفاءة في لقطات الشاشة المعقدة.
تقترح هذه الورقة طريقة لتجريد الألعاب غير مرتبطة بنطاق محدد، تستفيد من تقنيات تضمين الكلمات الخاصة بمعالجة اللغات الطبيعية لتمثيل وتجميع إجراءات الألعاب، مما يثبت فعاليتها في تقليل تعقيد الألعاب على الرغم من عدم تفوقها على الخوارزميات المتخصصة والمحددة لنطاق معين.
تدافع هذه الورقة الموقفية عن "ما وراء المعرفة" (metacognition) كمبدأ تصميمي أساسي لتعزيز دقة الذكاء الاصطناعي وأمنه وكفاءته، وذلك من خلال تمكين الأنظمة من مراقبة حالاتها الخاصة وتخصيص مواردها بشكل تكيفي، وهو مفهوم تم إثباته من خلال دراسة حالة للتعلم الاتحادي وإطار عمل برمجِي جديد.
تقدم هذه الورقة Neo، وهو إطار عمل لتحليل البرامج القائم على الوكلاء الذي يجمع بين النماذج اللغوية الكبيرة وتحليل البرامج الكلاسيكي للكشف بفعالية عن ثغرات تصعيد الامتيازات في بنيات الخدمات المصغرة المعقدة ومتعددة اللغات، حيث نجح في تحديد 24 ثغرة من نوع "اليوم الصفر" عبر 25 تطبيقاً مفتوح المصدر بدقة واستدعاء عاليين.
تقدم الورقة البحثية OmniManim، وهو إطار عمل مدرك للتغذية الراجعة لعملية الرندرة (render-feedback-aware) يستفيد من وكيل رؤية (Vision Agent) ذي تخطيط بصري صريح وتحسين مدرك للاستكمال (interpolation-aware optimization) لإنتاج رسوم متحركة تعليمية عالية الجودة ودقيقة مكانياً عبر معالجة العيوب البصرية التي لا يمكن اكتشافها إلا بعد تنفيذ الكود.
يُعد PrismLLM نظاماً مبتكراً يتيح محاكاة دقيقة لتدريب النماذج اللغوية الكبيرة على نطاق واسع باستخدام مجموعات تصل إلى 8,192 وحدة معالجة رسومية، وذلك عبر استخدام أقل من 1% من الأجهزة الفعلية من خلال الجمع بين مخطط تنفيذ قائم على التقطيع عالي الدقة ونهج هجين حيث تقوم رتب مختارة بتشغيل البرنامج الأصلي بينما يتم إعادة تشغيل الرتب الأخرى افتراضياً.