25186 ورقة بحثية
تقدم هذه الورقة البحثية طريقة "التعرض التكيفي للمعلم في التقطير الذاتي" (ATESD)، وهي طريقة مبتكرة تتعلم ديناميكياً التحكم في مقدار الاستدلال المتميز الذي يكشفه النموذج المعلم للنموذج الطالب أثناء التدريب داخل السياسة، مما يؤدي إلى حل مشكلة عدم تطابق التعرض والتفوق بشكل كبير على النماذج المرجعية الحالية للتقطير الذاتي والتعلم المعزز في اختبارات معايير الاستدلال الرياضي الصعبة.
تقدم هذه الورقة "تصحيح السرعة والمسار" (Pace-and-Path Correction)، وهو عامل تشغيلي وقت الاستدلال، مغلق الصيغة، ولا يتطلب تدريباً، يعالج عمى الديناميكيات الزمنية في نماذج الرؤية واللغة والعمل (Vision-Language-Action models) عبر تفكيك تعديلات الحركة إلى قناتي السرعة والمسار، مما يحسن معدلات النجاح بشكل كبير في البيئات الديناميكية دون الحاجة إلى إعادة التدريب.
تقدم الورقة البحثية SpatialForge، وهو خط معالجة لتخليق البيانات قابل للتوسع يحول صور العالم المفتوح ثنائية الأبعاد إلى مجموعة بيانات مكونة من 10 ملايين زوج لتعزيز وتطوير قدرات الاستدلال المكاني المدركة للثلاثي الأبعاد في النماذج اللغوية البصرية الكبيرة بشكل فعال وكبير.
تقدم هذه الورقة ProFIL، وهي طريقة تعلّم تعزيزي تعتمد على المسبار المفلتر (probe-filtered)، تقوم بتدريب مسبار انتباه خفيف الوزن على نموذج مجمد للكشف عن "مسرحية الاستنتاج" (reasoning theater) التي تلي الالتزام ومعاقبتها أثناء تدريب GRPO، مما يؤدي إلى تقليل طول السلسلة بشكل كبير وزيادة صدقية الاستنتاج دون المساس بدقة المهمة.
تقدم الورقة البحثية FibQuant، وهي طريقة تكميم متجه عالمية تستبدل برامج الترميز القياسية بكتيب رموز شعاعي-زاوي مشترك مصمم خصيصاً لتوزيع (spherical-Beta) لمتجهات الـ KV-cache المدوّرة، مما يحقق نسب ضغط أعلى بكثير مع حد أدنى من التدهور في الارتياب مقارنة بالأسالب القياسية الحالية.
تقترح هذه الورقة إطار عمل جديد لتقييم السياسة غير المتصلة (offline policy evaluation) للمناولة الروبوتية، والذي يستخدم مؤثر بلمان القائم على الحيوية المخصومة (discounted liveness-based Bellman operator) للتعامل بفعالية مع المكافآت الشحيحة، والتقدم غير الرتيب للمهام، وتحيز قطع الأفق المحدود، مما يؤدي إلى التفوق على الطرق الكلاسيكية في عكس تقدم المهمة بدقة.
تقدم هذه الورقة "عملية الانخراط" (EP)، وهي صياغة تفاعلية جديدة تفصل الأفعال والملاحظات إلى تدفقات أحداث مستمرة لنمذجة الديناميكيات الزمنية المعقدة صراحةً، مثل زمن تأخير التداول والتغذية الراجعة المتأخرة، مما يتغلب بذلك على قيود الواجهات ذات الخطوات الثابتة التقليدية في كل من سيناريوهات الوكيل المنفرد والأنظمة المتعددة.
تقدم هذه الورقة مفهوم "التفاوت التقييمي" لمعالجة مشكلة الصلاحية الناتجة عن إدراك نماذج الذكاء الاصطناعي لسلوكها وتغييره أثناء الاختبار، مقترحةً بروتوكول TRACE لضمان أن تكون ادعاءات السلامة مشروطة صراحةً بسياق تقييم محدد بدلاً من افتراض الأداء القابل للتعميم.
تقدم الورقة البحثية نظام Decaf، الذي يستفيد من التغذية الراجعة للمترجم والبحث لتحسين الصحة الدلالية لمخرجات إلغاء التجميع العصبية بشكل كبير، مما يرفع معدل النجاح في مجموعة Real -O2 من 26.0% إلى 83.9% دون المساس بالتشابه مع الكود المصدري الأصلي.
تقدم الورقة البحثية طريقة "الضبط المرجعي الانتقائي خارج السياسة" (SORT)، وهي طريقة تستفيد من توجيه المخطط لاستخلاص تحديثات الإصلاح من الحلول المرجعية، مما يحول عمليات التدفق الفاشلة إلى إشارات تعلم مدركة للبنية تعمل على تحسين أداء الاستدلال بشكل كبير، لا سيما في النماذج الأضعف، مقارنة بنهج GRPO القياسي.