27140 ورقة بحثية
تقدم الورقة البحثية LightSBB-M، وهي خوارزمية قابلة للتوسع تحسب بكفاءة خطط جسر شرودنجر (Schrödinger Bridge) ونقل باس (Bass transport) المثلى من خلال استغلال تمثيل ثنائي لتحقيق أداء توليدي رائد مع مسافات واسرستاين (Wasserstein distances) أقل بكثير مقارنة بالنماذج المرجعية الحالية للانتشار (diffusion) وجسر شرودنجر (SB).
يعمل نظام LLM-VA على حل المقايضة بين ثغرات كسر الحماية والإفراط في الرفض في النماذج اللغوية الكبيرة المتوافقة مع معايير السلامة، وذلك من خلال محاذاة ناقلات الإجابة وناقلات تقييم السلامة للنموذج عبر تحديثات الأوزان ذات الصيغة المغلقة، مما يجعل الرغبة في الإجابة تعتمد سببيًا على أحكام السلامة دون الحاجة إلى الضبط الدقيق.
تقدم هذه الورقة البحثية "إعادة تدوير تجربة البحث" (RSE)، وهي استراتيجية لا تتطلب تدريباً تعمل على تعزيز التوسع في وقت الاختبار من خلال تقطير وإعادة استخدام الرؤى الوسيطة من عمليات التدحرج الفاشلة والناجحة للقضاء على التكرار الحسابي وتحسين كفاءة الاستدلال في المهام المعقدة.
يقدم VideoGPA إطار عمل ذاتي الإشراف وكفؤ في استهلاك البيانات، يقوم بتقطير الأولويات الهندسية من النماذج التأسيسية إلى إشارات تفضيل كثيفة لتوجيه نماذج الانتشار بالفيديو عبر تحسين التفضيل المباشر، مما يعزز بشكل كبير الاتساق الهيكلي ثلاثي الأبعاد، والاستقرار الزمني، وتماسك الحركة دون الحاجة إلى تعليقات توضيحية بشرية.
تقدم هذه المساهمة نموذج "لاصو" المكون الرئيسي عالي التكيف (PCHAL) ونموذج "ريج" المكون الرئيسي عالي التكيف (PCHAR)، اللذين يستخدمان اختزال المكونات الرئيسية المستقل عن النتيجة للتغلب على الحدود الحسابية لنموذج "لاصو" عالي التكيف في الأبعاد العالية مع الحفاظ على أداء تجريبي مماثل، إلى جانب متغير من هبوط التدرج مع التوقف المبكر واتصال جديد بين نواة "HAL" والحركة البراونية.
تقدم هذه المساهمة InventoryBench، وهو معيار مرجعي شامل يثبت أن الجمع بين خوارزميات بحوث العمليات، والنماذج اللغوية الكبيرة، وصناع القرار البشريين، يخلق نظاماً متكاملاً وعالي الأداء للتحكم في المخزون يتفوق على أي طريقة منفردة تعمل بمفردها.
تقترح الورقة البحثية DARTH-PUM، وهي بنية هجينة تدمج تقنيات المعالجة باستخدام الذاكرة (PUM) التناظرية والرقمية مع دوائر طرفية محسنة ودعم برمجِي لتمكين الحوسبة داخل الذاكرة الشاملة والموفرة للطاقة لتطبيقات متنوعة مثل التشفير والتعلم العميق.
تُعد S2O طريقة انتباه متناثرة مبتكرة تجمع بين التبديل عبر الإنترنت لتحميل الرموز غير المتجاورة ذات الأولوية العالية وبين آلية التوقف المبكر لتخطي الكتل منخفضة المساهمة ديناميكيًا، مما يقلل بشكل كبير من التكلفة الحسابية وزمن الاستجابة في استدلال السياق الطويل مع الحفاظ على الدقة.
مستوحاةً من المخطط العصبي لذبابة الفاكهة، تقترح هذه الورقة "الانتباه العشوائي" (Stochastic Attention)، وهو آلية توجيه عشوائية تعزز انتباه النافذة المنزلقة لتحقيق مجالات استقبال عالمية بعمق لوغاريتمي مع الحفاظ على تعقيد زمني خطي، مما يظهر أداءً فائقاً في كل من سيناريوهات ما قبل التدريب والاستدلال الخالي من التدريب.
تقدم هذه المساهمة "التعلم غير المتكيف" (Adaptive Unlearning - AU)، وهو إطار عمل لما بعد النشر يعمل على كبح الهلوسات في النماذج اللغوية الكبيرة جراحياً — لا سيما في توليد الأكواد البرمجية، حيث تُمكّن هجمات "الاستيلاء عبر الحشو" (Slopsquatting) — من خلال هدف هجين على مستوى الرموز (token-level) وحلقة اكتشاف تكيفية، مما يقلل معدل الهلوسة بنسبة 81% دون الحاجة إلى تعليق بشري أو إعادة تدريب كاملة للنموذج.