25400 ورقة بحثية
تقترح الورقة البحثية إطار عمل MBP-KT، وهو إطار عام يعزز تتبع المعرفة عن طريق تحويل التفاعلات الخام إلى أنماط سلوكية ميتا لاستخراج وحقن معلومات تعاونية عالمية خالية من المعلمات، مما يؤدي إلى تحسين أداء وتعميم مختلف النماذج اللاحقة.
تقدم هذه الورقة "Gate-and-Merge"، وهو إطار عمل للتعلم الصفري (zero-shot) للتخصيص التركيبي في نماذج الرؤية واللغة، والذي يتعلم المفاهيم بشكل مستقل عبر محولات LoRA ويدمجها عند الاستدلال باستخدام آلية بوابات (gating mechanism) لضمان أداء مفكك وخالٍ من التداخل دون الحاجة إلى تدريب على التزامن.
يُعد AgentPSO إطار عمل مبتكرًا يعمل على تطوير مهارات الاستدلال متعدد الوكلاء من خلال معاملة الوكلاء كجسيمات في عملية تحسين السرب، حيث يقوم بتحديث استراتيجيات الاستدلال باللغة الطبيعية بشكل تكراري عبر الجمع بين أفضل التجارب الشخصية والعالمية لتحسين أداء حل المشكلات دون تعديل معاملات النموذج اللغوي الأساسي.
تضع هذه الورقة حدوداً نظرية دقيقة وضمانات للاستحالة لفرق العمل المكونة من البشر والذكاء الاصطناعي القائمة على الثقة، حيث تثبت أن التكامل قابل للتحقيق إذا وفقط إذا ظل ارتباط الأخطاء دون عتبة محددة تتناسب مع تعقيد المهمة، مما يفسر سبب فشل الفرق في كثير من الأحيان في التفوق على أفضل أعضائها الفرديين.
تقترح الورقة البحثية نظام REAP، وهو نظام ركن سيارات ذاتي القيادة متكامل يعتمد على التعلم المعزز، والذي يستفيد من خوارزمية Soft Actor-Critic، واستنساخ السلوك، ومحاكي 3D Gaussian Splatting لتحقيق تدريب فعال ونقل ناجح من الواقع إلى المحاكاة ثم إلى الواقع (Real2Sim2Real)، متميزاً بشكل خاص في السيناريوهات القصوى مثل مواقف السيارات الميكانيكية الضيقة.
يقدم هذا البحث AgentForesight، وهو إطار عمل يتميز بمراقب آني مدمج تم تدريبه على مجموعة بيانات AFTraj-2K المنقحة حديثًا للتنبؤ بالأخطاء الحاسمة وتحديد مواقعها في الأنظمة متعددة الوكلاء القائمة على النماذج اللغوية الكبيرة في الوقت الفعلي، مما يتيح التدخل أثناء وقت النشر بدلاً من الاعتماد على عزو الفشل بعد حدوثه.
تثبت هذه الورقة أن الانحيازات المعرفية، مثل أثر الأولوية والارتكاز، هي نتائج حتمية رياضياً لقصور المعالجة المتسلسلة في كل من نماذج الذكاء الاصطناعي ذات التوليد الذاتي والإدراك البشري، مما يبرهن من خلال البراهين النظرية والتحقق التجريبي على أن هذه الانحيازات تمثل استجابات عقلانية للموارد وليست مجرد أخطاء.
تتناول هذه الورقة التحدي الذي كان مستعصياً في السابق والمتمثل في التلاعب الدلالي العالمي عالي الدقة في ضغط الصور المتعلم عبر تحليل فشل الهجمات القياسية واقتراح طريقة PGD-GSM جديدة ذات جدول زمني لـ "الاضمحلال الهندسي الدوري" لتنفيذ مثل هذه الهجمات بنجاح.
يُعد AdaPreLoRA مُحسِّنًا مبتكرًا لتقنية LoRA يعالج مشكلة التفرد في مسبق المترادفات للفضاء العاملي (factor-space preconditioner) عبر اعتماد مسبق مترادفات كرونيكر قطري (diagonal Kronecker preconditioner) قائم على Adafactor في فضاء الأوزان، واختيار تحديث عاملي ذي صيغة مغلقة يقلل من عدم التوازن المرجح بـ ، مما يحقق أداءً تنافسيًا عبر مختلف النماذج والمهام مع الحفاظ على انخفاض عبء الذاكرة.
تتقصى هذه الورقة بشكل منهجي التقليم الهيكلي وتقطير المعرفة لضغط نماذج خليط الخبراء (MoE) واسعة النطاق أثناء مرحلة ما قبل التدريب، مبرهنةً على أن التقليم يوفر تهيئة فائقة، وأن جداول الضغط التدريجية تتفوق على أساليب الخطوة الواحدة، وأن الجمع بين نمذجة اللغة وتقطير التنبؤ متعدد الرموز يحقق أداءً تنافسياً في نموذج أصغر حجماً بشكل ملحوظ.