25186 ورقة بحثية
تقترح هذه الورقة بنية ذاكرة ترابطية ذات بوابات سياقية تعزز الاسترجاع نظرياً من خلال إعادة تشكيل مشهد الطاقة وحلقات التغذية الراجعة، وتثبت في النهاية أن التعلم داخل السياق في النماذج اللغوية الكبيرة مثل Llama-3 يعمل كآلية للاسترجاع ذي البوابات السياقية.
تحدد هذه الورقة أن جداول التدخل الموحدة تضعف جودة نماذج اللغات ذات الانتشار المنفصل من خلال تجاهل أنماط الالتزام الزمني المتميزة للسمات المختلفة، وتقترح مجدولاً تكيفياً مبتكراً يركز جهود التوجيه على خطوات تكوين محددة لتحقيق تحكم دقيق وعالي القوة في سمات متعددة دون المساس بجودة التوليد.
تقترح هذه الورقة طريقة الضبط الدقيق الخاضع للإشراف المحافظ على الدوران (RPSFT)، وهي طريقة فعالة تعاقب التغييرات في كتل المتجهات المنفردة العلوية- المسقطة للأوزان مسبقة التدريب لتحسين التعميم خارج النطاق والحفاظ على التمثيلات مسبقة التدريب دون التكلفة الحسابية لمعلومات هسيان أو فيشر.
تقدم الورقة البحثية إطار عمل "هيراركي متعدد الرؤى هار" (HMH)، وهو إطار تعلم طيفي على الرسوم البيانية قابل للتوسع، يعمل على التخفيف من حدة مشكلتي التنعيم المفرط والضغط المفرط في الرسوم البيانية غير المتجانسة عبر بناء تسلسل هرمي ناعم باستخدام مرشحات طيفية قائمة على "هار" قابلة للتعلم ووصلات تخطي، محققاً أداءً هو الأفضل حالياً في مهام تصنيف العقد والرسوم البيانية.
تقدم الورقة البحثية خوارزمية PASA، وهي خوارزمية علامات مائية مبدئية تقوم بتضمين وكشف العلامات المائية على المستوى الدلالي ضمن فضاء تضمين كامن، مما يحقق متانة ضد الهجمات غير المتغيرة دلالياً مثل إعادة الصياغة مع الحفاظ على جودة نصية عالية ومقايضات مثالية بين دقة الكشف والمتانة والتشويه.
تقدم هذه الورقة LEAP، وهي طريقة لا تتطلب تدريباً تعمل على تسريع استدلال نماذج اللغة الانتشارية من خلال اكتشاف الرموز سريعة التقارب عبر تصفية السياق المستقبلي والتراكب متعدد التسلسلات، مما يقلل خطوات إزالة الضجيج بنسبة 30% تقريباً دون التضحية بالدقة.
تقدم هذه الورقة البحثية "تحسين سياسة مطابقة المسار" (TMPO)، وهي طريقة محاذاة مبتكرة لنماذج الانتشار تستبدل تعظيم المكافأة القياسية بمطابقة التوزيع على مستوى المسار عبر هدف "توازن المسار بـ Softmax" و"أخذ عينات الشجرة العشوائية الديناميكية" للتخفيف بفعالية من اختراق المكافأة، مما يحقق توازناً أمثلاً بين التنوع التوليدي وأداء المهمة.
يقدم هذا البحث SoftBlobGIN، وهو إطار عمل خفيف الوزن وقابل للتوصيل والتشغيل يقوم بإسقاط تمثيلات نماذج لغة البروتين على الرسوم البيانية للاتصال لتعلم بنيات فرعية وظيفية قابلة للتفسير ومعتمدة على البنية، مما يحسن بشكل كبير الأداء في تصنيف الإنزيمات وكشف مواقع الارتباط مع توفير تفسيرات بيولوجية قابلة للتدقيق دون إعادة تدريب نموذج اللغة الأساسي.
تقدم هذه الورقة AESOP، وهو إطار عمل يستغل البنية الديناميكية لمسارات استنتاج التعلم العميق لإثقال موارد النظام عبر اختيار مسارات التنفيذ بشكل استراتيجي، محققاً تضخماً أكبر بكثير في الحوسبة وزمن الاستجابة مقارنة بهجمات النموذج الواحد، مما يجبر المدافعين على الاختيار بين انهيار الإنتاجية أو فقدان هائل للبيانات.
تقترح الورقة البحثية إطار عمل SURGE، وهو إطار عمل جديد لتعويض التدرج قابل للتعلم يتميز بمعوض تدرج ثنائي المسار ومقياس تدرج تكيفي، لمعالجة عدم تطابق التدرج وفقدان المعلومات في الشبكات العصبية الثنائية، وذلك من خلال فك الارتباط في تدفق التدرج عبر فروع مساعدة متوازية كاملة الدقة، مما يحقق أداءً هو الأفضل في فئته عبر مهام متنوعة.