11902 ورقة بحثية
يقدم SOLE-R1 نموذج استدلال لغوي-بصري يعمل كإشارة مكافأة وحيدة للتعلم التعزيزي على الروبوتات من خلال توليد تقديرات تقدم كثيفة لكل خطوة زمنية عبر استدلال تسلسلي مكاني-زماني، مما يمكن الروبوتات من إتقان مهام التلاعب غير المرئية دون الحاجة إلى مكافآت حقيقية أو عروض توضيحية، مع التفوق على المقيمات اللغوية-البصرية الحالية في المتانة ومعدلات النجاح.
تقدم هذه الورقة أنواع بيانات ذات مقاييس كتلية تكيُّفية، وتحديداً تنسيق IF4، الذي يختار ديناميكياً بين تمثيلات FP4 وINT4 لكل مجموعة مكونة من 16 قيمة للتغلب على قيود خطأ التكميم في NVFP4، محققاً بذلك أداءً فائقاً في تكميم النماذج اللغوية ومظهراً تنفيذاً عتادياً فعالاً.
تُثبت هذه الورقة أن محاذاة التسلسلات المتعددة (MSA) المستمدة من نموذج ماركوف المخفي المزدوج توفر بديلاً قابلاً للتوسع وتلقائياً بالكامل للمجموعات المعجمية المعتمدة على خبراء في بناء أشجار الأنساب اللغوية، مما ينتج أشجاراً أكثر اتساقاً مع التصنيفات اللغوية الراسخة وأفضل في التنبؤ بالتباين النمطي.
تُظهر هذه الدراسة أن الفروق الفردية في سعة التخيل البصري تتنبأ بمدى تعقيد الهلوسة الناجمة عن وميض "غانتس" (Ganzflicker)، حيث يبلغ ذوو القدرة العالية على التخيل محتوىً طبيعياً ومعقداً، بينما يدرك ذوو القدرة الضعيفة أنماطاً هندسية بسيطة.
تتناول هذه الورقة تقييم المحادثات مفتوحة النهاية في تحدي DSTC-12 من خلال مقارنة توجيه النماذج اللغوية صغيرة النطاق مقابل نماذج التشفير والتدريب القائمة على الانحدار والتصنيف، حيث وجدت أنه بينما حقق التوجيه ارتباطات متواضعة والمركز الثاني، أظهرت النماذج المدربة الأصغر أداءً عالياً في التحقق رغم تحديات مجموعة الاختبار الناجمة عن تحولات توزيع درجات التوسيم.
تحدد هذه الورقة البحثية متصل قدرة النموذج كعامل حاسم يحكم فعالية أهداف الضبط الدقيق الخاضع للإشراف، حيث تُثبت أن خسائر الاحتمالية المعتمدة على الانحياز المسبق تتفوق على خسارة السلب اللوغاريتمي القياسية للنماذج القوية، بينما تظل خسارة السلب اللوغاريتمي القياسية هي الأفضل للنماذج الأضعف.
تقدم الورقة البحثية ATAR، وهي طريقة استدلال مبتكرة توجه انتباه النماذج اللغوية الكبيرة لمنع دفن المعلومات الحرجة في سلاسل الاستدلال الطويلة، مما يحقق أداءً رائدًا عبر معايسات متعددة ويُمكّن النماذج غير المستدلة من التفوق على نماذج الاستدلال من نفس الحجم.
تكشف هذه الورقة أن التفكير المفرط في نماذج اللغة والرؤية الكبيرة يؤدي غالباً إلى أخطاء تجاهل الصور، وتقترح استراتيجية "النظر إلى الوراء الموجه بالشك" الخالية من التدريب، والتي تحفز النماذج ديناميكياً على إعادة فحص الصورة عندما تكون غير متيقنة، مما يحقق أداءً هو الأفضل حالياً في معايير الاستدلال البصري.
تقدم هذه الورقة البحثية StreamGaze، وهو أول معيار مرجعي مُصمم لتقييم كيفية استفادة النماذج اللغوية الكبيرة متعددة الوسائط من إشارات نظرات البشر للاستنتاج الزمني والتنبؤ الاستباقي بالنوايا في مقاطع الفيديو المتدفقة، مما يكشف عن فجوات كبيرة في الأداء بين النماذج الحالية والقدرات البشرية.
تقدم الورقة البحثية نموذج Nemotron-Cascade، وهو نموذج استدلال عام بقدرة 14 مليار معلمة يحقق أداءً هو الأفضل في فئته عبر مختلف المعايير من خلال توظيف استراتيجية تعزيز تعلم متدرجة ومجالية للتغلب على التحديات الهندسية والتدريبية المتمثلة في عدم التجانس عبر المجالات، مع إثبات أن محاذاة التعلم المعزز من التغذية الراجعة البشرية (RLHF) تعزز قدرات الاستدلال بشكل كبير بما يتجاوز مجرد تحسين التفضيلات.