24939 ورقة بحثية
تقترح هذه الورقة إطار عمل "الاستقصاء الواعي بالسلامة" (SAP)، وهو إطار يعمل على التخفيف من تدهور معايير السلامة أثناء عملية الضبط الدقيق للنماذج اللغوية الكبيرة (LLMs) عبر تحديد واضطراب الاتجاهات المرتبطة بالسلامة في الحالات الخفية لتوجيه تحديثات المعلمات بعيداً عن المسارات الضارة مع الحفاظ على أداء المهام.
تقترح هذه الورقة مساراً لتعلم الآلة يجمع بين التكميم بالمنتجات والتقييم المنهجي للمعلمات للتغلب على قيود التصنيفات المستمدة من البشر وإنشاء تصنيفات لتربة السطح تكون عالية التحديد، ومعتمدة على البيانات، ومرنة في التطبيق.
تقدم هذه الورقة GARG-AML، وهو إطار عمل قائم على الرسوم البيانية يتميز بالقابلية للتوسع والتفسير، والذي يكتشف تكتيكات غسيل الأموال عبر "التجزئة" (smurfing) من خلال تحليل كثافة جيرة الشبكة من الدرجة الثانية، محققاً أداءً يضاهي أحدث ما توصل إليه العلم مع إعطاء الأولوية للسرعة والشفافية التي يتطلبها المحققون الماليون.
تقترح هذه الورقة خوارزمية قائمة على القيود وذات كفاءة حوسبية، تقوم بتوجيه الحواف غير الموجهة في مخطط موجه لا حلقي (DAG) جزئي مكتمل بشكل متسلسل باستخدام نموذج ضوضاء إضافي زوجي واختبار إحصائي مبتكر، محققةً بذلك اتساق التعلم الهيكلي والمتفوقة على الأساليب الحالية في الاكتشاف السببي غير الخطي.
تقترح هذه الورقة إطار عمل جديد لتعلم "بانديت" (bandit learning) لتخصيص حسابات وقت الاختبار بشكل تكيفي، حيث يقوم بتقدير صعوبة الاستعلام ديناميكياً لإعطاء الأولوية للموارد للحالات الصعبة القابلة للحل، محققاً مكاسب أداء كبيرة مقارنة بالتخصيص الموحد في معايير الرياضيات والبرمجة.
تقترح الورقة البحثية mGRADE، وهي بنية هجينة خفيفة الوزن تجمع بين تلافيف التأخير القابلة للتعلم ومكون متكرر بوابي لتحقيق أداء رائد في نمذجة التسلسل متعدد المقاييس الزمنية مع تقليل بصمة الذاكرة بشكل كبير للأجهزة الطرفية.
تقدم هذه الورقة FunduSegmenter، وهو إطار عمل مبتكر يعمل على تكييف النموذج التأسيسي RETFound باستخدام وحدات متخصصة لتحقيق أداء هو الأفضل في حالته في عملية التجزئة المشتركة للقرص البصري والقعر البصري عبر مجموعات بيانات قاع العين المتنوعة، مما يظهر دقة وقدرة على التعميم متفوقة مقارنة بالنماذج المرجعية الحالية.
تقترح هذه الورقة إطار عمل للتعلم بنقل المعرفة متعدد المصادر يتسم بالقابلية للتوسع والدقة، حيث يقوم بتفكيك نماذج المصدر إلى مكونات من الرتبة الأولى عبر تحليل القيم المفردة (SVD)، وتجميع المكونات الأكثر بروزاً، وضبط القيم المفردة الرئيسية فقط بدقة ليتكيف بكفاءة مع مهام الهدف مع الحفاظ على المتانة.
تقدم هذه الورقة البحثية خوارزمية CE-GPPO، وهي خوارزمية تعلم تعزيزي جديدة تعمل على تثبيت إنتروبيا السياسة وتحسين أداء الاستنتاج في النماذج اللغوية الكبيرة من خلال إعادة إدخال التدرجات المحدودة من الرموز المقصوصة التي يتم تجاهلها عادةً في خوارزمية PPO القياسية.
تقدم الورقة البحثية ChessArena، وهو إطار عمل تنافسي قائم على الشطرنج لتقييم النماذج اللغوية الكبيرة، كاشفةً أن النماذج الحالية تفتقر إلى قدرات الاستنتاج الاستراتيجي الحقيقية رغم امتلاكها قدرة قوية على التعرف على الأنماط، بينما تُظهر في الوقت ذاتما أن الضبط الدقيق يمكن أن يسد هذه الفجوة في الأداء بشكل كبير.