11750 ورقة بحثية
يقدم MetaEmbed إطار عمل جديد للاسترجاع متعدد الوسائط يستخدم رموز ميتا (Meta Tokens) قابلة للتعلم وتدريب متجهات ماتريوشكا متعددة (Matryoshka Multi-Vector) لتمكين التوسع المرن لجودة وكفاءة الاسترجاع في وقت الاختبار، محققاً أداءً هو الأفضل في فئته على معايير مثل MMEB وViDoRe.
تقدم هذه الورقة البحثية "تحسين تفضيلات ناش متعدد اللاعبين" (MNPO)، وهو إطار عمل مبتكر يعمم تعلم "ناش" من التغذية الراجعة البشرية من لاعبين اثنين إلى لعبة مكونة من (n) من اللاعبين، مما يتغلب بذلك على انحياز الخصم الواحد لالتقاط التفضيلات البشرية المعقدة وغير المتعدية بشكل أفضل والتفوق على النماذج المرجعية الحالية في جودة المحاذاة.
يتغلب DeepSearch على حالات ركود التدريب في التعلم التعزيزي بالمكافآت القابلة للتحقق (RLVR) من خلال دمج بحث شجرة مونت كارلو (Monte Carlo Tree Search) مباشرة في حلقة التدريب لتمكين الاستكشاف المنهجي وتخصيص الائتمان الدقيق، محققاً أداءً استدلالياً هو الأفضل في فئته مع تقليل التكاليف الحسابية بشكل كبير.
تقدم هذه الورقة البحثية طريقة "المقياس متعدد الأبعاد الخاضعة للإشراف" (SMDS)، وهي طريقة غير مرتبطة بنموذج محدد تكشف كيف تقوم النماذج اللغوية بترميز مفاهيم مثل الاستدلال الزمني في متشعبات هندسية متميزة ومستقرة وديناميكية (مثل الدوائر، والخطوط، والعناقيد)، مما يدعم إطار عمل للاستدلال القائم على الكيانات من خلال تمثيلات كامنة مهيكلة.
تتقصى هذه الورقة انتشار الأبواب الخلفية في نماذج اللغة الكلامية من خلال إثبات أن الأبواب الخلفية يمكن أن تعبر المسار الكامل مع استمرارية تعتمد على المكونات، بينما تتحدى فعالية دفاعات التصفية عبر الكشف عن أن العينات المسمومة لا يمكن فصلها مباشرة عن العينات السليمة ضمن التضمينات متعددة المهام المشتركة.
تقدم الورقة البحثية إطار عمل DRIFT، وهو إطار عمل مبتكر يعزز عملية الصياغة الرسمية التلقائية للرياضيات القائمة على النماذج اللغوية الكبيرة من خلال تفكيك العبارات غير الرسمية إلى مكونات فرعية لاسترجاع المقدمات المستهدفة وتوضيح النظريات ذات الصلة، مما يحسن بشكل كبير من دقة الصياغة الرسمية وأداء الاسترجاع عبر مختلف المعايções المرجعية.
تقدم هذه الورقة البحثية تقنية "تعبئة القوالب" (Template Infilling)، وهي منهجية تكييف لنماذج اللغات الانتشارية تستبدل التلقين بالبادئات التقليدية بمخطط هيكلي عالمي، مما يحسن الأداء بشكل كبير عبر مهام متنوعة ويسمح بتوليد أسرع وأكثر متانة لعدة رموز (tokens) من خلال تعزيز التفكير من المستوى الثاني (System-2 reasoning).
تقدم هذه الورقة إطار عمل متمحوراً حول الإنسان يستخدم سرد القصص التأملي والمناقشات متعددة الوكلاء لمساعدة المستخدمين على تحديد نطاق أوسع وأكثر تنوعاً للأضرار والفوائد المحتملة في الذكاء الاصطناعي الخاص بالرعاية الصحية، متجاوزةً بذلك قيود أساليب الكشف الآلي عن المخاطر التي غالباً ما تغفل القضايا المتعلقة بسياقات محددة.
تقدم هذه الورقة البحثية DialectGen، وهو معيار قياسي واسع النطاق يكشف عن تدهور كبير في أداء النماذج التوليدية متعددة الوسائط عند معالجة المدخلات اللهجية، وتقترح استراتيجية تخفيف مبتكرة قائمة على الترميز تعمل بفعالية على استعادة متانة اللهجات لتطابق مستويات اللغة الإنجليزية الأمريكية القياسية دون المساس بالأداء القياسي.
تقدم الورقة البحثية CoGate-LSTM، وهي بنية متكررة فعالة من حيث المعلمات تستخدم آلية بوابات ميزة تشابه جيب التمام المبتكرة لإعادة تحجيم تضمينات الرموز (token embeddings) تكيفياً نحو نماذج أولية للسمية متعلمة، مما يتفوق بشكل كبير على نموذج BERT الذي تم ضبطه بدقة في اكتشاف فئات السمية النادرة في مجموعات البيانات غير المتوازنة مع الحفاظ على تكاليف حوسبة منخفضة.