25254 ورقة بحثية
تقدم هذه الورقة DR-Gym، وهي بيئة محاكاة مفتوحة المصدر ومتوافقة مع Gymnasium، صُممت لتدريب وتقييم شركات المرافق الكهربائية في تحسين برامج الاستجابة للطلب من خلال نمذجة التفاعلات الواقعية على مستوى السوق، وأسعار الجملة ذات نظام تبديل الأنظمة، والطلبات المبنية على الفيزياء للمباني، وذلك لتعزيز القدرة على تحمل تكاليف الطاقة ومرونة الشبكة.
تقدم الورقة البحثية "نماذج الجذب" (Attractor Models)، وهي بنية معمارية مبتكرة تستخدم التفاضل الضمني لإيجاد النقاط الثابتة في التمثيلات الكامنة، مما يتيح صقلاً تكرارياً مستقراً وتكيفياً يحقق أداءً فائقاً في نمذجة اللغة والاستدلال بتكاليف حوسبة أقل، مع القدرة الفريدة على استيعاب حالات التوازن من أجل استنتاج فعال.
يُعد KV-Fold بروتوكول استدلال بسيط للسياقات الطويلة لا يتطلب تدريباً، حيث يعامل ذاكرة التخزين المؤقت لـ KV كمتراكم طي يساري (left-fold accumulator) لتمكين معالجة تسلسلية مستقرة وفعالة من حيث الذاكرة عبر السلاسل العميقة دون الحاجة إلى إعادة تدريب النموذج أو تغييرات هيكلية.
تتقصى هذه الورقة ظاهرة "اختراق المكافأة" (reward hacking) في التعلم المعزز القائم على المعايير، حيث تُبين أنه على الرغم من أن أجهزة التحقق الأكثر قوة تقلل من الاستغلال، إلا أنها لا تستطيع منع السياسات تماماً من التلاعب بالمعايير غير المكتملة لتحقيق مكاسب صورية تفشل في الترجمة إلى تحسينات حقيقية في الجودة أو تتماشى مع أحكام البشر المستقلة عن تلك المعايير.
تُعد OmniNFT إطار عمل جديد للتعلم التعزيزي للانتشار عبر الإنترنت والمدرك للنماذج، والذي يعزز التوليد المشترك للصوت والفيديو من خلال معالجة عدم الاتساق متعدد الأهداف، واختلال التوازن في التدرج، والتعيين الموحد للائتمان عبر التوجيه المتميز لكل نمط، والجراحة التدريجية للتدرج، وإعادة وزن الخسارة حسب المنطقة.
تقترح هذه الورقة وتثبت تجريبياً مبدأ مكافأة "من الشحيح إلى الكثيف" لمرحلة ما بعد التدريب للنماذج اللغوية، مظهرةً أن تخصيص البيانات القابلة للتحقق النادرة لتدريب نموذج معلم قوي بمكافآت شحيحة قبل نقل سلوكه إلى نموذج طالب أصغر عبر إشراف كثيف يتفوق على التعلم المعزز المباشر الشحيح على النموذج الطالب.
تقدم هذه الورقة البحثية "التدريب السريع-البطيء" (FST)، وهو إطار عمل يجمع بين معاملات النموذج الثابتة ("الأوزان البطيئة") والسياق المُحسَّن ("الأوزان السريعة") لتمكين النماذج اللغوية الكبيرة من التعلم من التغذية الراجعة النصية بكفاءة أكبر، وتحقيق أداء أعلى، والحفاظ على مرونة أكبر مع تقليل النسيان الكارثي بشكل كبير مقارنة بطرق تحديث المعاملات التقليدية.
تقترح الورقة البحثية AlphaGRPO، وهو إطار عمل يعزز قدرات التوليد والتحسين الذاتي التأملي للنماذج متعددة الوسائط الموحدة دون مرحلة بدء بارد عبر تطبيق تحسين السياسة النسبي المجموعي الموجه بمكافأة التحقق التفكيكية (DVReward) المبتكرة من أجل إشراف مستقر وقابل للتفسير.
تقدم هذه الورقة وتحلل مفهومين جديدين للقيمة، وهما HS-S وCoco-S، للألعاب العشوائية متعددة اللاعبين ذات المدفوعات الجانبية، حيث تؤسس لأسسهم البديهية، وتثبت تكافؤهما في إعدادات اللاعبين الاثنين مع بيان تباينهما في المجموعات الأكبر، وتوفر خوارزميات لحسابهم والتحقق التجريبي منهم.
تُظهر هذه الدراسة التجريبية أن النماذج اللغوية الكبيرة، ولا سيما تلك المُحسّنة في مجال الاستنتاج مثل DeepSeek-R1، تتفوق بشكل كبير على أدوات التحليل الساكن المتطورة في مراجعة الأكواد الأمنية، مع تحديد أن استراتيجيات هندسة الأوامر، وتعقيد الكود، وحجم الملف هي عوامل حاسمة تؤثر على دقة الكشف وجودة الاستجابة لديها.