11535 ورقة بحثية
تقدم الورقة البحثية "ليفياثان" (Leviathan)، وهي بنية "ترانسفورمر" (Transformer) تعمل على فصل تمثيلات المدخلات عن المخرجات من خلال استبدال مصفوفة التضمين المترابطة القياسية بترميز متجهي للتضمين المتعلم (LEV)، مما يحقق تحسينات ملحوظة في أداء نمذجة اللغة ومعايير الاختبار اللاحقة مع حد أدنى من الزيادة في عدد المعلمات.
تقدم هذه الورقة إطار عمل للتحسين الرتيب التكراري غير المعتمد على مرجع للتحويل التلقائي للنظريات الكاملة، والذي يستفيد من التغذية الراجعة المتكاملة من مبرهنات النظريات وحكام النماذج اللغوية الكبيرة لتحسين الصلاحية الصورية، والحفاظ المنطقي، والاتساق الرياضي، والجودة الصورية في آن واحد، محققاً أداءً هو الأفضل في مجاله على معايير miniF2F وProofNet دون الحاجة إلى بيانات الحقيقة الأرضية أو تدخل بشري.
يُعد CAMEL إطار عمل للتأمل القائم على الثقة يجمع بين قرارات التفضيل الفعالة أحادية الرمز مع التصحيح الذاتي الانتقائي المدفوع بالتعلم التعزيزي للحالات منخفضة الثقة، مما يحقق دقة هي الأفضل في مجال نمذجة المكافأة مع عدد أقل بكثير من المعلمات ونسبة دقة إلى كفاءة متفوقة.
تقدم هذه الورقة PulseLM، وهو عبارة عن مجموعة بيانات مرجعية ونموذج تأسيسي واسع النطاق يضم أكثر من مليون مقطع من إشارات PPG و2.5 مليون زوج من الأسئلة والأجوبة التي تجسر الفجوة بين الموجات الفسيولوجية الخام واللغة الطبيعية لتمكين التعلم متعدد الوسائط، والتعميم، والتقييم المعياري لنماذج الذكاء الاصطناعي القائمة على إشارات PPG.
تقدم هذه الورقة "تعلم الأساسات التبايني القائم على البيانات" (DVBL)، وهو إطار عمل غير عصبي يتعلم دوال أساس تفسيرية ومتكيفة مع البيانات من خلال التحسين التبايني، مما يوفر بديلاً شفافاً رياضياً للشبكات العصبية مع تقديم ضمانات صارمة بشأن الوجود والتقارب والقابلية لتحديد الهوية.
يُعد AdaGATE متحكماً في الأدلة، لا يتطلب تدريباً وكفؤاً في استهلاك الرموز (tokens)، لعمليات التوليد المعزز بالاسترجاع متعدد الخطوات، حيث يصيغ عملية اختيار الأدلة كمسألة إصلاح مدركة للفجوات، محققاً بذلك متانة وأداءً فائقين في ظروف الاسترجاع المشوبة بالضجيج أو التكرار مقارنة بالطرق الحالية.
تقترح هذه الورقة منهجية تقييم دلالي مبتكرة لترجمة الكود البرمجي تستخدم اختبار المترجم (compiler testing) لقياس صحة التنفيذ، مما يثبت أن أدوات فك التجميع (decompilers) القائمة على النماذج اللغوية الكبيرة تتفوق بشكل كبير على النهج الاستدلالي، في حين تفشل المقاييس النحوية التقليدية مثل BLEU في الارتباط بالدقة الوظيفية.
تُظهر هذه الدراسة التدخلية أن الطلاب يوظفون التفكير النقدي بفعالية من خلال كتابة حجج مضادة للمحتوى المُنشأ بواسطة الذكاء الاصطناعي، وتؤكد أن النماذج اللغوية الكبيرة الرائدة، عندما يتم توجيهها بمعايير تقييم واضحة، يمكنها تقييم هذا العمل المكتوب بشكل موثوق وعلى نطاق واسع مع توافق متوسط مع التقييمات البشرية.
تقدم الورقة البحثية نموذج ZAYA1-8B، وهو نموذج استدلال من نوع (MoE) بـ 8 مليارات معلمة يتميز بكفاءة عالية، تم تدريبه بالكامل على بنية تحتية من شركة AMD، ويحقق أداءً هو الأفضل في فئته على معايير الرياضيات والبرمجة من خلال تسلسل تعزيز تعلم رباعي المراحل وطريقة حساب وقت الاختبار (RSA) الماركوفية المبتكرة، مما يقلص الفجوة بفعالية مع النماذج الأكبر حجماً بكثير.
تُعدُّ SLAM (الوسم بالنشاط اللغوي الهيكلي) مخطط وسم مائي جديد من النوع "الصندوق الأبيض" يحقق دقة كشف تقترب من المثالية مع حد أدنى من فقدان الجودة عبر توجيه الاتجاهات الهيكلية المحددة بواسطة المشفر التلقائي المتناثر في تيار البواقي، مما يحافظ على أخذ العينات المعجمية والدلالات مع تقديم ملف قوة متكامل مع طرق توزيع الرموز التقليدية.