25400 ورقة بحثية
تقدم الورقة البحثية إطار عمل SLIM، وهو إطار عمل جاهز للتشغيل (plug-and-play) يعزز تحرير الجزيئات الموجه بالخصائص في النماذج اللغوية الكبيرة عبر تفكيك الحالات الخفية إلى سمات متفرقة وقابلة للتفسير بواسطة مُشفّر تلقائي متفرع (Sparse Autoencoder)، مما يتيح توجيهاً دقيقاً يحسن معدلات نجاح التحرير بشكل كبير دون تعديل معاملات النموذج.
تقدم هذه الورقة البحثية MMVIAD، وهي أول مجموعة بيانات ومعيار مرجعي للفيديو المستمر متعدد المشاهد لكشف الشذوذ الصناعي، وتقترح VISTA، وهو نموذج تم تدريبه عبر مسار تدريب لاحق مبتكر من مرحلتين يتفوق بشكل كبير على النماذج اللغوية الكبيرة متعددة الوسائط للفيديو الحالية والأسس المرجعية بمستوى البشر عبر أربع مهام تفتيش صناعية رئيسية.
يقدم Clin-JEPA إطار عمل تدريب مشترك مستقر مكون من خمس مراحل ينجح في تطويع بنية التنبؤ بالتمثيل المشترك (JEPA) لتتناسب مع بيانات السجلات الصحية الإلكترونية، وذلك عبر التدريب المشترك لمُشفّر ومتنبئ، مما يمكّن نموذجاً أساسياً واحداً من تحقيق تنبؤ فائق لمسارات الفضاء الكامن وتنبؤ متعدد المهام بالمخاطر دون الحاجة إلى ضبط دقيق لكل مهمة على حدة.
تقدم الورقة البحثية DISCA، وهي طريقة تعتمد على الاستدلال في وقت التشغيل، وهي طريقة "الصندوق الأسود" التي لا تتطلب تدريباً، وتعمل على مواءمة النماذج اللغوية الكبيرة مع التفضيلات الثقافية المتنوعة من خلال الاستفادة من الخلافات في الشخصيات القائمة على مسح القيم العالمي لتصحيح مخرجات النموذج دون الحاجة إلى ضبط دقيق.
تقدم هذه الورقة البحثية BEACON، وهي مجموعة بيانات متعددة الوسائط واسعة النطاق تضم بيانات لعب متزامنة لـ 28 لاعباً من لعبة Valorant، صُممت لتعزيز أبحاث المصادقة المستمرة وبصمة السلوك عبر التقاط إشارات حركية وإدراكية عالية الدقة تحت ضغط تنافسي واقعي.
تقترح هذه الورقة DeMem، وهو إطار عمل للذاكرة متمحور حول القرار يعمل على تحسين أداء الوكيل في المدى الطويل تحت ميزانيات محدودة من خلال إعطاء الأولوية للحفاظ على التمايزات الحاسمة لاتخاذ القرار على حساب الدقة الوصفية، محققاً بذلك ضمانات تقترب من الحد الأدنى من الندم (near-minimax regret) ومكاسب ثابتة في الاختبارات المعيارية الاصطناعية والحوارية.
تقدم هذه الورقة البحثية AssayBench، وهو معيار مرجعي جديد يضم 1,920 من فحوصات كريسبر (CRISPR) المصممة لتقييم قدرة النماذج اللغوية الكبيرة والوكلاء على التنبؤ بالنتائج المظهرية الخلوية، مما يكشف أن النماذج اللغوية الكبيرة العامة ذات القدرة على التعلم الصفري تتفوق حالياً على النماذج البيولوجية المتخصصة، مع تسليط الضوء على وجود مجال كبير للتحسين نحو تحقيق نماذج خلية افتراضية قوية.
تقدم هذه الورقة إطاراً تشخيصياً لكل رمز (per-token) لا يتطلب تدريباً، يكشف أن التقطير القائم على السياسة (on-policy distillation) يكون أكثر فائدة في تصحيح خطوات الاستدلال غير الصحيحة بدلاً من تعزيز الخطوات الصحيحة، مع إثبات أن تكوين التقطير الأمثل يختلف بشكل كبير بناءً على قدرة النموذج الطالب والمهمة المحددة.
تقدم الورقة البحثية DataMaster، وهو إطار عمل لوكيل مستقل يعزز أداء تعلم الآلة من خلال تحسين مهام هندسة البيانات — مثل الاكتشاف، والاختيار، والتحويل — عبر بحث ذي بنية شجرية مع أحواض بيانات مشتركة وذاكرة تراكمية، محققاً تحسينات ملحوظة في اختبارات MLE-Bench Lite وPostTrainBench دون تعديل خوارزميات التعلم الأساسية.
تقترح هذه الورقة إطار عمل لتعزيز الانتشار الموجه بالثقة يقوم بتخليق حروف مركبة مكتوبة بخط اليد للغة البنغالية عالية الجودة باستخدام نماذج انتشار مشروطة بالفئة مع تحسينات "الضغط والإثارة" وآلية تصفية، محققةً دقة جديدة هي الأفضل في فئتها بنسبة 89.2% على مجموعة بيانات AIBangla.