25254 ورقة بحثية
تقدم هذه الورقة بنية ذاكرة قائمة على أسس بيولوجية لوكلاء النماذج اللغوية الكبيرة (LLM agents) تتميز بست آليات معرفية ومنهجية معايرة اصطناعية، مما يظهر تحسينات كبيرة في دقة الاستبقاء وكفاءة التخزين عبر اختبارات تتبع المشكلات والدردشة الشخصية واسعة النطاق.
تُصيغ هذه الورقة البحثية المفهوم ويتحقق منها تجريبياً مفهوم الاستمرارية الزمنية في النماذج المتسلسلة، مبرهنةً على أن نماذج مثل S4 تُظهر سلوكاً مستمراً مستقراً يتماشى مع استمرارية المهام لتحسين الأداء، بينما تكون نماذج مثل Mamba (S6) أكثر حساسية لعملية التجزئة، لتُظهر في النهاية أن الاستفادة من الاستمرارية تُمكّن من استراتيجيات أكثر كفاءة وفعالية لأخذ العينات الزمنية الفرعية.
تجادل هذه الورقة بأن الاعتماد حصرياً على نتائج النجاح أو الفشل النهائية في معايير تقييم الوكلاء الذكيين يقوض مصداقية التقييم من خلال حجب الطرق المختصرة، والحد من القدرة على التنبؤ بالمنفعة في العالم الحقيقي، وإخفاء السلوكيات الخطيرة، ومن ثم تقترح إطاراً منهجياً لتحليل السجلات مع تصنيف للتهديدات ومبادئ توجيهية لضمان تقييم أكثر صلاحية وأماناً للوكلاء.
تقدم هذه الورقة اختبار إكمال الجمل التنموي (DSCT) لتقييم قدرة النماذج اللغوية الكبيرة على اكتشاف المراحل المعرفية النمائية بناءً على نظرية روبرت كيغان، حيث وجدت أنه بينما يمكن للنماذج تحديد المراحل المقصودة بدقة في الشخصيات المحاكية وإظهار أنماط نمائية متسقة في مخرجاتها الخاصة، فإن توافقها مع الاستجابات البشرية الحقيقية يظل متوسطاً، مما يسلط الضوء على أن التحدي الرئيسي للذكاء الاصطناعي المدرك للمراحل يكمن في توافر الإشارة النمائية داخل النص المستخلص بدلاً من دقة التصنيف وحدها.
تقدم هذه الورقة VeriContest، وهو معيار شامل يضم 946 مسألة من مسائل البرمجة التنافسية بلغة Rust مع Verus، يربط بين الأوصاف اللغوية الطبيعية والمواصفات الرسمية المعتمدة من قبل الخبراء والبراهين القابلة للتحقق آلياً، مما يكشف عن فجوة كبيرة بين قدرات النماذج الحالية في البرمجة وقدرتها على توليد كود برمجي قابل للتحقق.
تقترح الورقة البحثية إطار عمل MC-RFM، وهو إطار عمل للتكيف بلقطات قليلة وكفاءة في المعلمات، يقوم بنمذجة تحديثات الميزات على منوع ريماني ذي انحناء مختلط لالتقاط كل من الدلالات الهرمية والتباينات البصرية المحلية بشكل أفضل، محققاً أداءً هو الأفضل حالياً عبر مختلف معايير الرؤية الحاسوبية والهياكل الأساسية.
تقدم الورقة البحثية نموذج ZAYA1-VL-8B، وهو نموذج رؤية ولغة مدمج بنظام "خليط الخبراء" (mixture-of-experts) يضم 9.2 مليار معلمة، يستفيد من محولات LoRA المخصصة للرؤية والانتباه ثنائي الاتجاه لتحقيق أداء منافس أو متفوق على النماذج الأكبر والأحدث في مختلف معايير فهم الرؤية.
تقدم هذه الورقة نموذج إعادة التشغيل الملوث بالسياق (CCRM) للقياس الكمي الرسمي لكيفية تسبب محاولات وكلاء النماذج اللغوية الكبيرة (LLM) الفاشلة في تلويث عمليات إعادة المحاولة اللاحقة عبر رفع معدلات الخطأ، مع اشتقاق حدود نظرية لاحتمالات النجاح وأعماق خطوط الأنابيب المثلى التي تم التحقق من صحتها تجريبياً مقابل بيانات SWE-bench الواقعية.
تكشف هذه الورقة أن نماذج خليط الخبراء (MoE) المدربة مسبقاً والموجودة حالياً تمتلك بطبيعتها تشتتاً كبيراً في تنشيط الخلايا داخل الخبير الواحد، وهو ما يمكن الاستفادة منه عبر تعديل مسار تنفيذ vLLM لتخطي حسابات الخلايا غير النشطة، مما يحقق تسريعاً يصل إلى 2.5 ضعف في تنفيذ طبقة MoE و1.2 ضعف في السرعة الإجمالية للنظام دون الحاجة إلى أي إعادة تدريب للنموذج أو تعديل للمعلمات.
تقدم الورقة البحثية "انتباه كازمارك الخطي" (KLA)، وهو نموذج معدل من "Gated DeltaNet" يستبدل معامل التحديث الذي تم تعلمه تجريبياً بخطوة كازمارك ذات حجم مُعين نظرياً ومُطبع وفقاً لمعيار المفتاح (key-norm-normalized)، مما يؤدي إلى تفوق في مستويات الحيرة (perplexity)، واستقرار في السياقات الطويلة، وكفاءة في فك التشفير دون تغيير بنية النموذج أو شكل الحالة.