11158 ورقة بحثية
تقدم هذه الورقة "الاستقصاء العكسي" (Reverse Probing)، وهو إطار عمل مبتكر يستفيد من تنشيطات النموذج الداخلية لتقدير عدم اليقين على مستوى الرمز (token) في تلخيص النصوص السريرية دون الحاجة إلى أخذ عينات جديدة، مما يتفوق على النماذج المرجعية الحالية في الدقة والكفاءة مع توفير رؤى تفسيرية حول ثقة النموذج.
تقدم هذه الورقة أول إطار عمل للكشف عن الموقف تجاه تعليقات أسواق التوقعات، حيث تُظهر أن دمج سياق السوق يحسن بشكل كبير من استدعاء الفئة الأقلية مع تحديد معدل تعزيز مضاد للواقع بنسبة 50% كنسبة مثالية للموازنة بين الأداء عبر تكوينات النماذج المختلفة.
تُثبت هذه الورقة أنه في التعلم التعزيزي للكود، تُنشئ نقاط تفتيش التدريب ذات تغطية اختبارات الوحدة المتداخلة جبهةً بين الصحة والكفاءة يمكن التنقل فيها وتوسيعها إلى ما وراء النقاط النهائية المدربة عبر متوسط الأوزان الاستقرائي، مما يؤدي إلى تحسين أداء وقت الاستدلال وتغطية المشكلات دون تدريب إضافي.
تقدم هذه الورقة LearnWeak، وهو إطار عمل خالٍ من التوسيم يستفيد من وكيل مرجعي أقوى لتحديد واستهداف نقاط ضعف محددة في وكلاء استخدام الحاسوب الصغار، مما يحقق مكاسب كبيرة في الأداء عبر مجالات متنوعة من خلال التخصص الواعي بالأخطاء وتوليد البيانات المستهدف.
تقدم هذه الورقة معيار CAGE ومنهجية المسبار المزدوج للكشف عن "فجوة تجريد" كبيرة حيث تولد معظم النماذج الرؤية-اللغوية تفسيرات مقبولة لغوياً ولكنها غير أمينة سببيّاً، مما يثبت أنه بينما توجد القدرة على الاستنتاج الأمين في بنيات معينة، إلا أنها لا تتحقق بشكل موثوق من خلال الضبط الدقيق القياسي.
تقترح هذه الورقة "التقطير الذاتي المبوّب المشروط بالمهارة" (SGSD)، وهو إطار عمل مبتكر يعزز قدرة النماذج اللغوية الكبيرة على الاستنتاج من خلال الاستفادة من بنك مهارات للتحقق من فرضيات المعلم والتقطير المبوّب، محققاً أداءً فائقاً على GRPO ونتائج تنافسية مقابل الطرق المشروطة بالإجابة في ظل افتراضات معلومات مميزة أضعف.
تقدم هذه الورقة البحثية OmniVerifier-M1، وهو نموذج تحقق ميتا متعدد الوسائط يحقق تحققًا بصريًا قويًا وتصحيحًا ذاتيًا ديناميكيًا من خلال الاستفادة من المبررات الرمزية واستراتيجية التعلم المعزز المنفصلة للتفوق على نهج التحسين المشترك التقليدي.
تقدم هذه الورقة معياراً للذاكرة البصرية الشخصية يستهدف كلاً من الأدلة الصريحة والضمنية، وتقترح VisualMem، وهي بنية هجينة تتفوق على الأنظمة الحالية التي تركز على النصوص من خلال الاستفيد بفعالية من المعلومات البصرية المهيكلة لتعزيز الذاكرة طويلة المدى لوكلاء الذكاء الاصطناعي المخصصين.
تقدم الورقة البحثية إطار عمل MAC، وهو إطار متعدد الوكلاء يعزز الاكتشاف السببي من خلال الجمع بين الاختيار الذاتي للخوارزميات الإحصائية والمناظرة التنافسية لنموذج لغوي كبير حول البيانات الوصفية، محققاً أداءً فائقاً ومتانة عبر مختلف المعاير مقارنة بالطرق الإحصية وطرق النماذج اللغوية الكبيرة أحادية الوكيل الحالية.
تقدم هذه الورقة البحثية TFD، وهي أول مجموعة بيانات شاملة وهيكلية ومنسقة من قبل خبراء تغطي جميع مراحل تطوير النماذج اللغوية الكبيرة للغة التبتية، مما يتيح إنشاء عائلة نماذج Sun-Shine التي تتفوق بشكل كبير على النماذج المرجعية الحالية في الفهم، والسلامة، والاستدلال، والتوليد.