26959 ورقة بحثية
تقدم هذه الورقة "تعلم التعزيز التحكمي" (Control Reinforcement Learning - CRL)، وهو إطار عمل يدرب سياسة لاختيار وتضخيم ميزات المشفّر التلقائي المتناثر القابل للتفسير ديناميكيًا على مستوى الرمز (token) لتوجيه مخرجات النماذج اللغوية الكبيرة، مما يوفر بروتوكولات تدخل لكل رمز ورؤى ميكانيكية جديدة في سلوك النموذج عبر مختلف الاختبارات المعيارية.
تُعد CrispEdit خوارزمية تحرير من الدرجة الثانية قابلة للتوسع، تحافظ على قدرات النماذج اللغوية الكبيرة عبر صياغة التحرير كمسألة تحسين مقيدة وإسقاط التحديثات على الفضاء الجزئي منخفض الانحناء في مشهد فقدان الأداء باستخدام تباعد بريجمان والتقريبات ذات العامل كرونيكر، مما يحقق معدل نجاح عالٍ في التحرير مع حد أدنى من تدهور الأداء.
تقدم هذه المساهمة نموذج "Attractor FCM"، وهو خريطة معرفية ضبابية مبتكرة تعتمد على التدرج التنازلي ومقيدة فيزيائياً، تستفيد من الذاكرة المتبقية، والانتشار العكسي عبر الزمن، ومرساة النقطة الثابتة لتمكين خوارزمية تعلم جديدة تجمع بين طريقة نيوتن والتدرج التنازلي التكيفي من أجل تقليل الخطأ المقنع سببياً بكفاءة.
تقدم هذه الورقة تحليلاً تجريبياً ولغوياً شاملاً لـ 14 طريقة من أحدث أساليب استرجاع النصوص إلى الفيديو عبر ثلاث مجموعات بيانات، كاشفةً أن أداء النماذج يصل إلى مرحلة الثبات عند التعامل مع الاستعلامات المعقدة أو متعددة الخطوات أو دقيقة التفاصيل، بينما يتفوق في الاستعلامات البسيطة والواضحة، كما تقدم رؤى حول كيفية تأثير خصائص الاستعلام وتنوع مجموعات البيانات على الفعالية الهيكلية.
تقترح هذه الورقة "التجارب التصميمية الاصطناعية لكفاية التمثيل" (SDRS)، وهو إطار عمل يطبق تصميم التجارب الإحصائي لتدقيق نماذج الرؤية بشكل منهجي بحثًا عن أنماط فشل محددة (فجوات التغطية والارتباطات الزائفة) ووصف بيانات اصطناعية مستهدفة لمعالجتها بكفاءة.
تُعد Agentopic سير عمل جديد لوكلاء الذكاء الاصطناوي التوليدي يستفيد من النماذج اللغوية الكبيرة لإجراء نمذجة موضوعية قابلة للتفسير من خلال الاستدلال التعاوني، محققاً دقة عالية تضاهي النماذج الرائدة مع توفير هياكل موضوعية هرمية وتفسيرات باللغة الطبيعية.
تستنتج هذه الورقة وتُقيّم أربعة من حلول المعادلات التفاضلية العادية (ODE) الكلاسيكية لنماذج مطابقة التدفق (Flow Matching) التوليدية، مبرهنةً على أن الطرق ذات الرتب الأعلى مثل RK4 تُحسن جودة العينات بشكل كبير مع عدد أقل من تقييمات الدوال، وكاشفةً أن اختيار الحل يكون أكثر أهمية للنماذج غير المثالية بسبب تيبس حقل السرعة بالقرب من نهاية المسار.
تقترح هذه الورقة إطار عمل للتعلم العميق موجهاً بالمئويات، وتحديداً نموذج PCTN، الذي يتنبأ تلقائياً بعتبات الإنذار التكيفية لشبكات الجيل الرابع (4G) من خلال التعلم من أنماط حركة المرور الحية، متفوقاً بذلك على النماذج الرائدة بأقل عدد من المعلمات مع توفير مخرجات قابلة للتفسير تتكيف ديناميكياً مع ظروف الشبكة.
توضح هذه الورقة أن عدم المحاذاة الناشئة في النماذج اللغوية الكبيرة هي نتيجة هندسية لتراكب الميزات، حيث يؤدي الضبط الدقيق على مهام ضيقة عن غير قصد إلى تضخيم السلوكيات الضارة بسبب قرب الميزات المستهدفة والسامة في فضاء التمثيل، وتثبت أن تصفية عينات التدريب بناءً على هذه الهندسة تخفف المشكلة بفعالية.
تقدم هذه الورقة البحثية خوارزمية PALM-Mean، وهي خوارزمية تحسين عالمي حتمية وقابلة للتوسع لمتوسطات دالة اللاحقة للعمليات الغاوسية، والتي تجمع بين التقسيم والتفريع المكاني في فضاء مختزل وبين استراتيجية حد هجينة تجمع بين الخطية الجزئية والتحليلية للتعامل بكفاءة مع مجموعات البيانات الكبيرة مع ضمان التقارب العالمي بمقدار .