11158 ورقة بحثية
تقدم هذه الورقة البحثية TraFL، وهي طريقة ما بعد التدريب تعتمد على توازن المسار لنماذج اللغة الانتشارية، والتي تتغلب على نمط فشل "قفل المسار" الذي تعاني منه أساليب تعظيم المكافأة، وذلك من خلال محاذاة السياسة مع توزيع مستهدف مائل للمكافأة، مما يحقق مكاسب أداء متسقة عبر معايير الاستدلال الرياضي وتوليد الكود البرمجي.
تقدم الورقة البحثية VectraYX-Nano، وهو نموذج لغوي إسباني بـ 42 مليون معلمة تم تدريبه من الصفر على مجموعة نصوص مختارة في مجال الأمن السيبراني باستخدام التعلم المنهجي وتكامل أصلي مع بروتوكول سياق النموذج (MCP)، حيث أظهر أداءً فعالاً على الأجهزة العادية وقدم رؤى جديدة حول العلاقة بين كثافة المجموعة النصية وقدرات استخدام الأدوات في النطاق الصغير (nano-scale).
تقدم الورقة البحثية HodgeCover، وهي طريقة ضغط خالية من التعلم لخليط الخبراء المتناثر (Sparse Mixture-of-Experts)، تتغلب على قيود التوافق الزوجي من خلال الاستفادة من تفكيك هودج (Hodge decomposition) لـ "لابلاسيان متشعب" (simplicial Laplacian) لتحديد وحل دورات الخبراء غير القابلة للاختزال، مما يحقق أداءً فائقاً في أنظمة الضغط الشرسة.
تحدد ورقة "Physics-R1" عيوبًا حرجة في مسارات تقييم الفيزياء متعددة الوسائط الحالية — وتحديدًا تلوث البيانات، وانزياح الترجمة، وتشبع أسئلة الاختيار من متعدد — وتعالجها عبر إصدار مجموعة بيانات مدققة بصرامة ونموذج استدلال جديد يحقق مكاسب أداء كبيرة في اختبارات أولمبياد مفتوحة النهايات وجديدة.
تقترح هذه الورقة إطار عمل عصبياً-رمزياً يدمج النماذج اللغوية الكبيرة مع التحقق الصوري لمعالجة مسألة الاستنتاجات القائمة على الافتراضات في الذكاء الاصطناعي القانوني، مما يتيح استدلالاً قانونياً موثوقاً وصارماً دون التضحية بالمساءلة.
تقدم هذه الورقة "الاستنتاج التوجيهي" (Derivation Prompting)، وهي تقنية توجيه جديدة قائمة على المنطق لتعزيز التوليد المعزز بالاسترجاع، تعمل على بناء أشجار استنتاج قابلة للتفسير للحد بشكل منهجي من الهلوسة والاستدلال الخاطئ في المهام كثيفة المعرفة.
تقترح الورقة البحثية إطار عمل PEML، وهو إطار تعلم متعدد المهام كفء من حيث المعلمات يجمع بين هندسة البنية العصبية لتحسين المطالبات المستمرة وبين التكيف منخفض الرتبة لأوزان النموذج، محققاً تحسينات كبيرة في الدقة مقارنة بأحدث الأساليب عبر عدة معايسات قياسية.
تقدم الورقة البحثية إطار عمل "الرفض متعدد المراحل أثناء الطيران" (MSIFR)، وهو إطار عمل لا يتطلب تدريباً يقلل بشكل كبير من استهلاك الرموز (tokens) في توليد البيانات الاصطناعية القائمة على النماذج اللغوية الكبيرة (LLMs) عن طريق اكتشاف وإنهاء المخرجات منخفضة الجودة في مراحل وسيطة دون المساس بجودة أو تحيز العينات المحتفظ بها.
تقترح هذه الورقة إطار عمل مبدئي لتقطير الاستنتاج غير المتصل (offline reasoning distillation) يعمل على تصحيح الانزياح التوزيعي بين البوادئ التي يولدها المعلم وتلك التي يولدها الطالب، مما يؤدي إلى تحسين دقة واستقرار النماذج اللغوية الأصغر في مهام الاستنتاج الرياضي المعقدة دون الحاجة إلى عمليات تدحرج (rollouts) مكلفة عبر الإنترنت.
تُعد CRANE طريقةً لتعديل المعلمات دون الحاجة إلى تدريب، حيث تدمج نقاط تفتيش وكلاء الأكواد من نوعي Instruct وThinking عبر تعديل الفضاء الصفري (nullspace editing) لتعزيز أداء الاستدلال طويل المدى واستخدام الأدوات بشكل كبير مع الحفاظ على الكفاءة.