25254 ورقة بحثية
تُظهر هذه الورقة أنه تحت تدريب GRPO، يعد الموضع المحدد للمعلمات القابلة للتدريب في مصفوفة B الخاصة بـ LoRA أمراً حاسماً للأداء، بينما يكفي الموضع العشوائي لتدريب SFT، وتقترح طريقة تسجيل سريعة ومنخفضة التكلفة لتحديد هذه المعلمات الأساسية التي تتركز باستمرار على إسقاطات كتابة مسار المتبقي (residual-stream-writing).
تقدم هذه الورقة تقريب لابلاتس ذاتي الإشراف (SSLA)، وهو منهج مبتكر خالٍ من أخذ العينات يقيس عدم اليقين التنبؤي البايزي عن طريق إعادة ضبط النماذج على بيانات متنبأ بها ذاتياً، مما يوفر دقة معايرة وكفاءة حوسبية متفوقة مقارنة بتقريبات لابلاتس الكلاسيكية عبر مهام انحدار متنوعة.
تقدم الورقة البحثية Goal-Mem، وهو إطار عمل للتفكير الموجه نحو الأهداف للذاكرة الوكيلة القائمة على التوليد المعزز بالاسترجاع (RAG)، والذي يعمل على تحسين أداء المحادثات طويلة المدى من خلال تفكيك أهداف المستخدم إلى أهداف فرعية ذرية للاسترجاع المستهدف وصياغة هذه العملية في منطق اللغة الطبيعية، مما يجعله يتفوق على الأساليب الحالية في مهام الاستدلال متعدد الخطوات والاستدلال الضمني.
تقدم هذه الورقة نظاماً على شريحة (SoC) غير متجانس يعتمد على مصفوفة بوابات منطقية قابلة للبرمجة (FPGA)، يدمج مسرع الشبكة العصبية النبضية المتكررة مفتوح المصدر ReckOn مع معالجات RISC-V وARM لتمكين الحوسبة العصبية الطرفية ذات الكفاءة واستهلاك الطاقة المنخفض، والتي تم التحقق من صحتها من خلال تكافؤ الدقة مع السيليكون المصنع والتحقق من أداء التعلم عبر الإنترنت على مجموعة بيانات أرقام برايل.
تقدم هذه الورقة "معيار محاذاة المهام" (TAB) لتقييم قدرة الوكلاء الطرفيين على اتباع التعليمات البيئية ذات الصلة بشكل انتقائي مع تجاهل المشتتات، مما يكشف أن الوكلاء الرائدين الحاليين يعانون في التمييز بينهما وأن آليات الدفاع الحالية غالبًا ما تقمع الإشارات الضارة والضرورية على حد سواء.
تؤسس هذه الورقة البحثية للبنية الفئوية باعتبارها الأساس النظري الرسمي لهندسة تسخير وكلاء النماذج اللغوية الكبيرة عبر رسم خرائط للأعمدة الأربعة لتجسيد الوكيل على الثلاثية (G, Know, Phi) الخاصة بإطار عمل ArchAgents، مما يتيح ضمانات هيكلية وتجميعاً عبر الأطر يتم التحقق منه من خلال الهوية وإعادة التشغيل بدلاً من صحة طبقة المخرجات.
تقترح هذه الورقة البحثية مسار معالجة لتصحيح الكلام متعدد اللغات يجمع بين كشف التلعثم على مستوى الرمز (token-level) والضبط الدقيق القائم على التعليمات وهدف التعلم التبايني لإزالة الحشوات والتكرارات من نصوص التعرف الآلي على الكلام (ASR) بفعالية مع الحفاظ على البنية النحوية والتماسك الدلالي، مما أظهر أداءً متفوقاً على النماذج المرجعية الحالية في لغات الهندية والبنغالية والماراثية.
تُصوّر هذه الورقة ظاهرة الاستنتاجات المتباينة من ملاحظات متطابقة بوصفها قضية بنيوية تتعلق بعدم قابلية تحديد النموذج العالمي (world-model non-identifiability) الناجمة عن اختلاف ملفات الاستدلال وانحيازات التعلم، بدلاً من كونها عيباً في العقلانية أو حسن النية.
تقدم هذه الورقة نماذج عمليات ماركوف لاتخاذ القرار ذات البيانات المفقودة (missingness-MDPs)، وهي فئة فرعية جديدة من عمليات ماركوف لاتخاذ القرار بملكية جزئية (POMDPs) التي تُنمذج عدم قابلية ملاحظة سمات الحالة من خلال نظرية البيانات المفقودة، وتقترح خوارزميات التعلم الاحتمالي بأداء قريب من الأمثل (PAC) لتعلم دالة الفقدان الكامنة من بيانات المسار لاستخلاص سياسات مثالية بمقدار إبسيلون (-optimal).
تُثبت هذه الورقة أن الضبط الدقيق للنماذج اللغوية على مهام تصنيف متعددة عبر مجالات مختلفة يحسن الأداء في المجالات غير المرئية، رغم أنها قد تعاني من تغيرات الأوامر، وهو قصور يمكن التخفيف من حدته عن طريق خلط تدريب التصنيف مع اتباع التعليمات العامة لتمكين نماذج قوية لا تتطلب تفكيراً وتعمم على مهام الاستدلال المعقدة.