25770 ورقة بحثية
تقدم هذه الورقة مفهوم "الولاءات السرية الضيقة" كتهديد متميز حيث يتم ضبط النماذج بدقة لتعزيز مصالح ضارة لموكل محدد بشكل مستتر تحت ظروف ضيقة مع الظهور بمظهر طبيعي، مما يثبت أن مثل هذه الهجمات تستمر حتى في نسب التسميم المنخفضة وتظل غير قابلة للكشف إلى حد كبير من خلال عمليات التدقيق في الصندوق الأسود ما لم يكن المدقق على دراية بالموكل المحدد المعني.
تقدم هذه الورقة "تقطير قناع الظل" (Shadow Mask Distillation)، وهو أسلوب مبتكر صُمم للتخفيف من حدة الانحياز الشديد خارج السياسة (off-policy bias) وتباين التدرج الناتج عن تطبيق ضغط ذاكرة التخزين المؤقت لـ (KV cache) أثناء مرحلة التدحرج (rollout phase) في التعلم التعزيزي ما بعد التدريب، مما يتيح محاذاة فعالة من حيث استهلاك الذاكرة لمهام الاستدلال ذات السياق الطويل.
تحدد هذه الورقة سلوكيات قياس ذات قانون القوة وتماثل غير متماثل في نقل المعرفة عبر المجالات للتصوير الطبي ثلاثي الأبعاد، وتقترح استراتيجية تخصيص بيانات مدركة للنقل تعمل على تحسين مزيج ما قبل التدريب لتحقيق تمثيلات أقوى بكثير مقارنة بأخذ العينات التناسبي القياسي.
تقدم الورقة البحثية Agentick، وهو معيار موحد يضم 37 مهمة مُولدة إجرائياً عبر وسائط ومستويات صعوبة متنوعة لتمكين المقارنة العادلة ودفع عجلة التقدم في اتخاذ القرار المتسلسل لوكلاء التعلم المعزز (RL)، والنماذج اللغوية الكبيرة (LLM)، والنماذج اللغوية البصرية (VLM)، والوكلاء الهجينين، والبشر.
تقدم هذه الورقة البحثية EULER-ADAS، وهو محرك Posit موحد لعمليات SIMD ومنخفض استهلاك الطاقة، يعتمد على تمثيل النطاق المحدود (bounded-regime representation) والتقليم التكيفي (adaptive truncation) لتحقيق تخفيضات كبيرة في المساحة والتأخير والطاقة مع الحفاظ على دقة قريبة من FP32 لاستنتاج أنظمة مساعدة السائق المتقدمة (ADAS) في الوقت الفعلي ومنخفض استهلاك الطاقة.
تُقيّم هذه الورقة تجريبيًا النماذج اللغوية الكبيرة في "مسألة فئة التكافؤ"، كاشفةً أنه بينما تتفوق نماذج الاستدلال بشكل ملحوظ على النماذج غير الاستدلالية، فإن كليهما يعاني في هذه المهمة، حيث تفشل النماذج غير الاستدلالية بأكبر قدر عند نقطة التحول الطوري للاتصال، بينما تواجه نماذج الاستدلال أقصى درجات الصعوبة عند أكبر قطر للرسم البياني.
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.