11683 ورقة بحثية
تقدم هذه الورقة تقنية "تجزئة بايت على مستوى البايت منسوبة المصدر" (SA-BPE)، وهي تقنية تنظيمية تعدل هدف تدريب "تجزئة بايت على مستوى البايت" (BPE) القياسي للتخفيف من عدم توازن الرموز وفرط التخصيص الناتج عن تنوع مصادر البيانات، مما يؤدي إلى تقليل الرموز غير المدربة كفاية في أجهزة ترميز الكود مع الحفاظ على كفاءة الاستدلال وسلامته.
تقترح الورقة البحثية UI-Zoomer، وهو إطار عمل تكيفي للتقريب لا يتطلب تدريباً يقوم بتفعيل وتغيير حجم قص الصور ديناميكياً بناءً على عدم اليقين في التنبؤ لتحسين دقة تحديد عناصر واجهة المستخدم الرسومية (GUI grounding) بشكل كبير للأيقونات الصغيرة والتخطيطات الكثيفة دون الحاجة إلى تدريب إضافي للنموذج.
تقدم هذه الورقة TREX، وهو نظام متعدد الوكلاء يعمل على أتمتة دورة حياة تدريب النماذج اللغوية الكبيرة بالكامل من خلال تنسيق التعاون بين وحدتي الباحث والمنفذ ضمن إطار بحث قائم على الشجرة، مبرهنةً على فعاليته من خلال معيار FT-Bench الجديد.
تُظهر هذه الدراسة أنه بينما تُعد الأسئلة البلاغية قابلة للفصل خطياً ويمكن اكتشافها ضمن تمثيلات النماذج اللغوية الكبيرة، فإن قابليتها للانتقال عبر مجموعات البيانات المختلفة تكشف عن ترميز معقد يتضمن اتجاهات خطية متعددة ومتميزة تلتقط إشارات بلاغية مختلفة بدلاً من تمثيل موحد واحد.
تُصيغ هذه الورقة الممارسة غير الرسمية لـ "اختبار الانطباع" (vibe-testing) —حيث يقوم المستخدمون بتقييم النماذج اللغوية الكبيرة بناءً على سير عملهم الشخصي ومعاييرهم الذاتية— في قالب مسار هيكلي يجمع بين المطالبات المخصصة والتقييم الواعي بالمستخدم، مما يثبت أن هذا النهج يمكنه تغيير تفضيلات النماذج وسد الفجوة بشكل أفضل بين درجات الاختبارات المعيارية والمنفعة في العالم الحقيقي.
إن SpatialEvo هو إطار عمل ذاتي التطور للاستدلال المكاني ثلاثي الأبعاد يستفيد من البيئات الهندسية الحتمية لتوليد حقائق أرضية خالية من الضجيج من مشاهد غير مصنفة، مما يُمكّن سياسة مشتركة بين السائل والمحلل تتطور ديناميكيًا من خلال التغذية الراجعة الفيزيائية الموضوعية بدلاً من الإجماع النمذجي المعرض للخطأ.
تقدم هذه الورقة خوارزمية تحسين السياسة المعززة بالميزة (AAPO)، وهي خوارزمية تعلم تعزيزي جديدة تعزز قدرات الاستنتاج لدى النماذج اللغوية الكبيرة من خلال معالجة عدم كفاءة التدريب في تقدير الميزة النسبية للمجموعة عبر مخطط تقدير قائم على الهامش وتحسين خسارة الإنتروبيا المتقاطعة.
تقترح هذه الورقة البحثية "التكيف بالاسترجاع الوميضي المشترك" (Joint Flashback Adaptation)، وهي طريقة غير مرتبطة بمهمة محددة تعمل على التخفيف من حدة النسيان الكارثي في النماذج اللغوية الكبيرة أثناء الضبط الدقيق للتعليمات التدريجي، وذلك عبر إدخال مجموعة محدودة من محفزات المهام القديمة ("الاسترجاعات الومضية") واستيفاء المهام الكامنة لتسهيل المشاركة السلسة للمعرفة دون الاعتماد على بيانات إعادة تشغيل واسعة النطاق.
تقدم الورقة البحثية SEW، وهو إطار عمل ذاتي التطور يقوم تلقائياً بتوليد وتحسين سير عمل الوكلاء المتعددين لمهام توليد الأكواد المعقدة، محققاً تحسينات كبيرة في الأداء مقارنة بالنماذج المرجعية دون الاعتماد على مطالبات أو هياكل مصممة يدوياً.
تقدم هذه الورقة طريقة لتوليد حدود التدرج في المحاذاة القسرية من خلال الاستفادة من مجموعات الشبكات العصبية لاستخلاص فترات الثقة، مما يوفر تمثيلاً أكثر واقعية لانتقالات المقاطع، ويقيس عدم اليقين في النموذج، ويحسن دقة الحدود بشكل طفيف في المجموعات النصية القياسية.