25186 ورقة بحثية
تقدم هذه الورقة "النزول الإحداثي المتماسك" (CoCD)، وهو مُحسِّن حتمي من الدرجة صفر يعمل على تحويل التدرجات القديمة إلى اتجاهات تحديث مستقرة من خلال النزول الإحداثي الدوري الكتلي ذي البداية الدافئة وتنعيم المشهد الضمني، محققاً كفاءة عينات واستقرار تقارب متفوقين مقارنة بالطرق العشوائية الحالية.
تقدم هذه الورقة "بدايات الألعاب المعززة بالبيانات" (DAGS)، وهي طريقة تسرع عملية الاستكشاف في ألعاب المعلومات غير الكاملة واسعة النطاق من خلال تهيئة التعلم التعزيزي من عروض توضيحية بشرية غير متصلة، مما يحقق قابلية استغلال أقل في ظل ميزانيات حوسبة ثابتة مع توفير حلول لانحيازات التوازن المحتملة.
يقدم إطار عمل عائلة داروين نهج دمج تطوري لا يتطلب تدريباً، يستخدم إعادة تركيب فضاء الأوزان الخالي من التدرج، والدمج التكيفي القائم على الثقة، والتكاثر عبر البنى الهيكلية لتعزيز قدرات الاستدلال للنماذج اللغوية الكبيرة بشكل كبير دون الحاجة إلى تدريب إضافي قائم على التدرج.
تقدم الورقة البحثية "Nexus"، وهو إطار عمل متعدد الوكلاء يعمل على تفكيك التنبؤ بالسلاسل الزمنية إلى مراحل متخصصة لدمج البيانات السياقية غير المهيكلة مع الأنماط الرقمية بفعالية، مما يمكّن النماذج اللغوية الكبيرة الحالية من مضاهاة أو التفوق على النماذج الرائدة مع توفير مسارات استدلال شفافة.
تقدم هذه الورقة إطار عمل وكيلِيًّا يبني نماذج عالم واقعية فيزيائيًا من خلال التوليد والتحسين المتكرر لأكواد المحاكاة القابلة للتنفيذ عبر التخطيط المنسق، والبرمجة، والمراجعة البصرية، والتحليل الفيزيائي، مما يظهر أداءً فائقًا على النهج القائم على الفيديو في الدقة الفيزيائية، ودقة التعليمات، والجودة البصرية.
تجادل هذه الورقة بأن الحد الفاصل الأكثر حرجاً في قدرات الذكاء الاصطناعي لا يكمن بين المهام الرقمية والفيزيائية، بل داخل المهام الرقمية نفسها، حيث تحدد فئة من تحديات "ذكاء ميتيس" (Metis AI) التي تتسم بالتعقيدات الاجتماعية والمعيارية التي تقاوم الأتمتة وتستوجب بنيات "سنتور" (centaur) بقيادة بشرية بدلاً من الحلول الخوارزمية البحتة.
تقدم هذه الورقة البحثية MahaVar، وهو أسلوب كشف عن القيم الخارجة عن التوزيع لاحقاً (post-hoc) يستفيد من الملاحظة ذات الأسس النظرية التي تشير إلى أن العينات ضمن التوزيع تظهر تبايناً عالياً في مسافة ماهالانوبيس لكل فئة نتيجة لهندسة الانهيار العصبي (Neural Collapse)، محققاً أداءً هو الأفضل في فئته على المعايير القياسية.
تقترح هذه الورقة إطار عمل موحد للتعلم التعزيزي المدمج بالمعرفة يدمج خوارزميات "المسار أولاً ثم التجميع ثانياً" والبرمجة الديناميكية لتوجيه حل بنائي، محققاً جودة حل فائقة وتعمماً عبر مختلف متغيرات مسألة توجيه المركبات ذات السعة المحددة مقارنة بالأساليب القائمة على التعلم والأكثر تطوراً.
تكشف هذه الورقة أن عدم استقرار معدل نجاح الهجوم (ASR) في عمليات كسر حماية النماذج اللغوية الكبيرة (LLM jailbreaks) ينبع من العشوائية أثناء كل من التقييم والتوليد، مما يؤدي إلى تضخيم المقاييس بشكل منهجي، وتقترح إطاري العمل CAS-eval وCAS-gen لقياس هذا التباين بدقة واستعادة خسائر الأداء.
يُعد MemLineage نظام دفاع تشفيري لوكلاء النماذج اللغوية الكبيرة (LLM) يمنع هجمات تسميم الذاكرة من خلال تتبع أصل وسلالة اشتقاق مدخلات الذاكرة، مما يضمن عدم التصريح بالإجراءات الحساسة إلا عندما لا يكون مبررها مشتقاً من مصادر غير موثوقة.