25186 ورقة بحثية
تقترح هذه الورقة إطار عمل "ممثل-ناقد" اتحادي أحادي المقياس الزمني يوازن بين التعلم التعاوني والتخصيص من خلال مشاركة فضاء جزئي خطي مشترك مع الحفاظ على مكونات السياسة المحلية، محققاً تقارباً في زمن محدد مع تسريع خطي بالنسبة لعدد الوكلاء، ومظهراً أداءً فائقاً في المهام غير المتجانسة.
تقدم هذه الورقة البحثية CQ-SID وEG-GRPO، وهو إطار عمل استرجاع توليدي عملي للتجارة الإلكترونية يستفيد من معرفات العناقيد الدلالية الهرمية والتعلم المعزز الموجه بالخبراء لتحقيق تحسينات كبيرة في كفاءة الاستدعاء، ومحاذاة الترتيب، ومقاييس الأعمال الرئيسية مثل إجمالي قيمة البضائع (GMV) في أنظمة الإنتاج الواقعية.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي يعمل على تحسين نموذج "مُحفز" (prompter) خفيف الوزن من خلال التقطير التكراري للخبرة لتعزيز قدرات الاستدلال متعدد الخطوات واستخدام الأدوات للنماذج اللغوية الكبيرة (LLMs) ذات الصندوق الأسود والمجمدة بشكل كبير، محققةً أداءً وكفاءة في العينات يتفوقان على النماذج التطورية المرجعية الحالية.
تقدم هذه الورقة البحثية **InsightReplay**، وهي طريقة استدلال حالة (stateful) تقوم باستخراج وإعادة تشغيل الرؤى الوسيطة الحرجة بشكل دوري بالقرب من حدود التوليد لمنع تدهور الانتباه في مسارات "سلسلة الأفكار" (Chain-of-Thought) الطويلة، مما يحقق تحسينات متسقة في الدقة عبر مختلف أحجام النماذج ومعايير الاستدلال.
يُعد OmniDrop إطار عمل لتقليم الرموز (tokens) على مستوى الطبقات وخالٍ من التدريب للنماذج اللغوية الكبيرة متعددة الوسائط، حيث يستخدم استعلامات نصية ودرجة تنوع زمني لإزالة الرموز السمعية البصرية الزائدة تدريجياً داخل طبقات فك التشفيد، مما يحقق انخفاضاً كبيراً في زمن الاستجابة واستهلاك الذاكرة مع التفوق على النماذج المرجعية الحالية في الأداء.
تقدم الورقة البحثية TABALIGN، وهو إطار عمل استدلالي مبتكر يستفيد من مخطط لغوي يعتمد على نموذج الانتشار المقنع ومدقق تحقق يعتمد على انتباه تجذير الخلايا للتغلب على قيود النماذج ذات التوليد الذاتي في الاستدلال متعدد الخطوات على الجداول، محققاً مكاسب كبيرة في الدقة والكفاءة عبر ثمانية معايير قياسية.
يُعد LEMON منسقاً جديداً يعتمد على النماذج اللغوية الكبيرة (LLM)، يستخدم التعلم المعزز القائم على التفكير المضاد لتوليد مواصفات متعددة الوكلاء قابلة للتنفيذ عبر دمج الأدوار، والواجبات، والقدرات، والارتباطات، محققاً أداءً رائداً في مختلف معايير الاستدلال والبرمجة.
تقترح الورقة البحثية "Head Forcing"، وهو إطار عمل لا يتطلب تدريباً، يعمل على تخفيف تراكم الأخطاء وفقدان السياق في توليد الفيديو بالتسلسل التلقائي الطويل عبر تخصيص استراتيجيات مختلفة لمخزن (KV cache) لرؤوس الانتباه المتباينة وظيفياً، مما يتيح التوليد لمدة دقائق والتفاعل مع مطالبات متعددة دون تدريب إضافي.
تقدم هذه الورقة Deepchecks، وهو إطار عمل شامل مصمم لمعالجة التحديات المعقدة لتقييم أنظمة التوليد المعزز بالاسترجاع (RAG) من خلال توفير تقييم متعدد الأوجه، وتحليل الأسباب الجذرية، ومراقبة الإنتاج لضمان الموثوقية، والصلة، والتوافق مع المتطلبات الخاصة بالتطبيق.
تقدم هذه الورقة إطار عمل PROVE، الذي يتكون من مقياسي RC-S وRC-T المتوافقين مع الإدراك ومجموعة بيانات PROVE-Bench، لمعالجة أوجه القصور في طرق التقييم الحالية من خلال توفير تقييم أكثر دقة لتماسك إزالة الكائنات في الوسائط المرئية بما يتوافق بشكل أفضل مع الحكم البشري.