25186 ورقة بحثية
تقترح هذه الورقة مجدول تقطيع يعتمد على معدل الإنتروبيا ولا يتطلب تدريباً، يقوم بتخصيص خطوات الاستدلال ديناميكياً لأجهزة أخذ عينات التدفق وجسر شرودنغر، مما يحسن جودة العينات بشكل كبير في أنظمة التقييم المنخفضة لعدد عمليات التقييم الوظيفي عبر معايير متنوعة تشمل CIFAR-10 وتوليد البروتين.
تقدم هذه الورقة البحثية LLQR+SAM، وهي طريقة تحسين مبتكرة تجمع بين تقليل الحدة الواعية (Sharpness-Aware Minimization) وبين مُهيئ مسبق (preconditioner) مُتعلم ومُحدث ببطء من إطار عمل LLQR لاستهداف الهروب من الحد الأدنى الحاد الذي يشبه "حفر الطريق" (pothole) تحديداً مع الحفاظ على الاستقرار في الأحواض الواسعة والمسطحة، مما يجعلها تتفوق على كل من SAM وLLQR بمفردهما عبر مختلف المعايير المرجعية.
تقدم هذه الورقة ML-FOP-SOAP، وهو إطار تحسين من الدرجة الثانية يتميز بتصحيح التباين متعدد المستويات والإسقاط الفيشري-المتعامد لحل مشكلة تنافس الأنماط في النماذج متعددة الوسائط ذاتية الانحدار، مما يتيح تدريبًا مستقرًا للدفعات الكبيرة ويحسن بشكل كبير كلاً من كفاءة العينات وسرعة وقت التنفيذ مقارنة بـ AdamW.
تقترح الورقة البحثية `paper.json` كاصطلاح JSON مرافق خفيف الوزن للأوراق الأكاديمية، يستخدم معرفات مستقرة وأوامر صدفة (shell commands) صريحة لتمكين وكلاء النماذج اللغوية الكبيرة (LLMs) من استخراج الادعاءات الفرعية، وتحديد النطاق، وإعادة إنتاج النتائج بشكل موثوق دون تعديل النص الأصلي القابل للقراءة من قبل البشر.
تقترح هذه الورقة إطار عمل هجين يجمع بين الأساليب الصورية (تحديداً منطق الزمن الخطي) والتعلم الآلي لتمكين التدقيق الفعال دون اتصال بالإنترنت والمراقبة في وقت التشغيل لأنظمة الذكاء الاصطناًعي ذات الصندوق الأسود، مما يثبت أن هذه التقنيات تتفوق على النماذج المرجعية للنماذج اللغوية الكبيرة في اكتشاف انتهاكات القيود الزمنية ويمكنها التخفيف من المخاطر بنشاط مع الحفاظ على أداء المهام.
تقدم هذه الورقة "Fully Open Meditron"، وهو أول مسار تدقيق شامل (end-to-end) للنماذج اللغوية الكبيرة السريرية، والذي يجمع بين مجموعة بيانات تدريبية تم التحقق منها من قبل أطباء وإطار عمل قابل لإعادة الإنتاج لتحقيق أداء رائد في المعايلات الطبية مع الحفاظ على الشفافية الكاملة وقابلية إعادة الإنتاج.
تقدم هذه الورقة إطار تقييم رباعي الأبعاد مؤتمتًا بالكامل لتقييم دقة التكوين في توليد فيديوهات التصميم، مما يعالج غياب المعايير المرجعية الموحدة لضمان القيود الهيكلية مثل الحفاظ على التخطيط والتحكم الدقيق في الحركة.
تقدم هذه الورقة VLA-AD، وهو إطار عمل للتقطير يستفيد من التوجيه الدلالي غير المتصل بنموذج رؤية-لغة (Vision-Language Model) لتدريب سياسات طالبة خفيفة الوزن وعالية السرعة تضاهي أو تتجاوز أداء نماذج الرؤية-اللغة-الفعل (Vision-Language-Action) الضخمة المعلمة مع إلغاء الحاجة إلى النموذج المعلم أثناء الاستدلال.
تُثبت هذه الورقة، من خلال التحليل التجريبي والنمذجة الرياضية، أن أنظمة الذكاء الاصطناعي التوليدي التي تتوسط التواصل بين البشر يمكن أن تُدخل وتُضخم انحيازات اتجاهية، مما يؤدي بالتالي إلى إحداث تحول كبير في الرأي الجماعي، مع تسليط الضوء أيضاً على كيفية تأثير خيارات تصميم منصات محددة والأطر التنظيمية المحتملة على هذه النتائج.
تُثبت هذه الورقة أن التدريب الخصومي يعزز متانة خوارزميات تصنيف نكهة النفاثات القائمة على التعلم العميق ضد تشوهات المدخلات، والتي تعمل كبديل لعدم اليقين المنهجي، وذلك من خلال الاستفادة من الرؤى الهندسية لسطح الخسارة للحفاظ على الأداء العالي مع التخفيف من نقاط ضعف النموذج.