25416 ورقة بحثية
تقدم هذه الورقة REPR-ALIGN، وهي طريقة تسرع تدريب نماذج اللغات الانتشارية من خلال محاذاة حالاتها الخفية مع حالات نموذج تلقائي الترتيب مجمد، مما يحافظ على التمثيلات الدلالية المتعلمة ويسمح بالتكيف الفعال دون تغييرات هيكلية أو معاملات إضافية.
تقترح هذه الورقة طريقة للتخفيف من التحيز المعرفي في التعلم التعزيزي من التغذية الراجعة البشرية (RLHF) عن طريق ضبط معيار العقلانية ديناميكيًا أثناء تعلم المكافأة، باستخدام نموذج لغوي كبير كحكم لتحديد المقارنات البشرية المتحيزة وتقليل وزنها، مما يؤدي إلى تدريب نماذج أكثر متانة حتى على مجموعات البيانات غير المثالية.
تقدم الورقة البحثية MELD، وهو كاشف متعدد المهام للنصوص المولدة بواسطة الذكاء الاصطناعي يعزز المتانة ضد الهجمات، وتحولات النطاق، والمولدات غير المرئية من خلال توظيف الإشراف المساعد، وتقطير المعرفة، وتصنيف السلبيات الصعبة، محققاً أداءً هو الأفضل في مجاله على المقاييس المرجعية مع الحفاظ على كفاءة الكاشف الثنائي القياسي.
تقدم هذه الورقة DIAL، وهو إطار تعلم تكيفي مستند إلى الاتجاه يتغلب على عدم استقرار إشارات البوابة ذات الاتجاه الثابت في وكلاء النماذج اللغوية الكبيرة (LLM agents) من خلال تعلم اتجاهات المنفعة الخاصة بالبيئة عبر الاستكشاف المضاد للواقع، محققاً بذلك توازناً متفوقاً بين النجاح والتكلفة عبر إعدادات متنوعة.
تقترح هذه الورقة آلية متوافقة مع الحوافز لتعيين الائتمان في السياق بناءً على حل "اللب الأدنى" من نظرية الألعاب التعاونية، مقدمةً خوارزميات فعالة تقرب التوزيع العادل للقيمة بين منشئي المحتوى باستخدام عدد أقل بكثير من استدعاءات النماذج اللغوية الكبيرة مقارنة بالطرق الحالية.
تقدم الورقة البحثية ARD، وهو إطار عمل انتشار ذاتي التراجع وكيل (agentic autoregressive diffusion framework) يضمن اتساق الفيديو الطويل من خلال دورة مغلقة من الاسترجاع-التوليد-التحسين-التحديث وذاكرة متعددة الوسائط، متفوقاً على أحدث الأساليب بنسبة تصل إلى 30% في الاتساق و20% في التماسك السردي.
يقدم XiYOLO إطار عمل للكشف عن الأشياء يراعي استهلاك الطاقة، يجمع بين البحث التكراري عن البنية العصبية ومقدر طاقة ثنائي المراحل والتحجيم المركب لتوليد عائلة من النماذج التي تحقق توازنات فائقة بين الدقة واستهلاك الطاقة على الأجهزة الطرفية غير المتجانسة مقارنة بنماذج YOLO المرجعية.
تقدم هذه الورقة PostEDA-Bench، وهو معيار مرجعي هرمي يضم 145 مهمة قابلة للتحقق آلياً لتقييم وكلاء النماذج اللغوية الكبيرة في مهام إصلاح أخطاء تصميم الدوائر المتكاملة (DRC) وتقارب معايير الأداء والقدرة والاستهلاك (PPA)، مما يكشف أنه بينما يؤدي الوكلاء بشكل معقول في المهام الاصطناعية أو أحادية الهدف، فإنهم يعانون بشكل كبير في التفكير المعقد والمفاضلات متعددة الأهداف.
تقترح هذه الورقة البحثية "الاضمحلال الذاكراتي التكيفي" (Adaptive Memory Decay)، وهي طريقة تستبدل معامل الاضمحلال الثابت في آلية الانتباه اللوغاريتمي الخطي بآلية قابلة للتعلم وتعتمد على المدخلات عبر شبكة عصبية بسيطة متعددة الطبقات (MLP)، مما يعزز أداء الذاكرة طويلة المدى والمرونة مع الحفاظ على التعقيد الحسابي اللوغاريتمي الخطي للنموذج.
تقدم هذه الورقة البحثية إطار عمل استنتاج القيود متعدد الأهداف (MOCI)، وهو إطار عمل مبتكر يستخرج بفعالية القيود المشتركة والتفضيلات الفردية من عروض الخبراء المتباينة ذات الأهداف المتعارضة، متفوقاً على النماذج المرجعية الحالية في دقة التنبؤ مع الحفاظ على الكفاءة الحسابية.