27306 ورقة بحثية
يُعد HELIX نموذجاً مبتكراً لاستكمال السلاسل الزمنية يقدم هويات سمات قابلة للتعلم كمرتكزات دلالية مستمرة، ويتعلم التبعيات التعسفية بين الميزات من البداية إلى النهاية، محققاً أداءً هو الأفضل في فئته عبر مجموعات بيانات متعددة من خلال مواءمة الهياكل المتعلمة بفعالية مع العلاقات الفيزيائية والدلالية الكامنة.
تُثبت هذه الورقة أن خوارزميات الاكتشاف السببي، عند تطبيقها على مجموعة بيانات منقحة مكونة من 150 حالة قتل معلّمة، يمكنها بنجاح الكشف عن علاقات سببية احتمالية بين المفاهيم القانونية لدعم التوليد الآلي للحجج القانونية القابلة للتطبيق.
تقدم هذه الورقة البحثية ViralityNet، وهي بنية مبتكرة تعزز التنبؤ بانتشار المنشورات على Reddit من خلال دمج سمات المنشور الداخلية مع إشارات زمنية خارجية مستمدة من طفرات مشاهدات صفحات ويكيبيديا عبر آلية انتباه تقاطعي زمني، مما يثبت أن دمج ديناميكيات الانتباه في العالم الحقيقي يتفوق بشكل كبير على النماذج المرجعية التي تعتمد على النصوص فقط.
تقدم هذه الورقة إطار تقييم SCHEMA لتكشف أن نماذج الذكاء الاصطناعي الرائدة تعاني غالباً من تدهور معرفي وراء معرفي كارثي تحت الضغط العدائي، ليس بسبب تهديدات البقاء، بل بسبب "فخ الامتثال" حيث يتجاوز اتباع التعليمات الحدود المعرفية، وهو فشل تظهره نماذج الاستدلال المتقدمة بشدة بينما يمكن للتدريب الخاص بالمحاذاة مثل الذكاء الاصطناعي الدستوري أن يمنعه بفعالية.
يُعد FitText إطار عمل لا يتطلب تدريباً يعمل على جسر الفجوة الدلالية بين مهام المستخدم وتوثيق واجهة برمجة التطبيقات (API) من خلال دمج "الاسترجاع الميمي" (Memetic Retrieval) الديناميكي والمتطور في حلقة استدلال الوكيل، مما يحسن دقة اختيار الأدوات بشكل كبير عبر مختلف الاختبارات المعيارية مقارنة بطرق الاسترجاع الثابتة.
تقدم هذه الورقة البحثية خوارزمية "أخذ عينات قوة الجسيمات المساعدة" (APPS)، وهي خوارزمية فك تشفير لا تتطلب تدريباً تعمل على تحسين المقايضة بين الدقة وزمن التشغيل للنماذج اللغوية الكبيرة الأساسية، وذلك باستخدام نهج جسيمات كتلوي مع اختيار موجه بالقيمة المستقبلية لتحديد حلول الاستدلال متعددة الخطوات ذات الاحتمالية العالية بكفاءة من خلال أخذ عينات القوة المنهجي.
تقدم هذه الورقة البحثية "إسقاط بولتماز المعتمد على العينات المرجعية" (BOLT)، وهي طريقة تشتق هدف ضبط دقيق فائق (SFT) فريداً وموزوناً بأسلوب المعايرة بالحث، ليتطابق تماماً مع سياسة هدف التعلم المعزز عبر التقييم من خلال مراجعة كولباك-ليبلر (RLVR)، مما يقضي على اختناقات التدفق المستمر (online rollout) مع توفير تحليل أحادي الخطوة محدود يوضح حدود التدريب الساكن وفوائد أخذ العينات المتجدد.
تقترح هذه الورقة طريقتين فعالتين للهجوم، هما هجوم الشبكة المدرك للثنائية (BAL-A) وهجوم البحث عن المطابقة الثنائية (BMP-A)، اللذان يستغلان إزاحة التدرج المستقلة عن المعلمات والناجمة عن قلب الملصقات لحل مشكلة تسميم التفضيلات المستهدفة في التعلم التعزيزي من التغذية الراجعة البشرية غير المتصل (offline RLHF) كمسألة تقريب ثنائي متفرّق مهيكل.
تُثبت هذه الورقة أن التدريب المسبق للنماذج التأسيسية متعددة الوسائط حصرياً على الإشارات الحيوية للنوم يحسن الأداء بفعالية عبر مهام متنوعة لتخطيط كهربائية الدماغ وتخطيط كهرباء القلب غير المتعلقة بالنوم، وغالباً ما يضاهي أو يتجاوز النماذج المتخصصة ذات الحالة الراهنة.
تُثبت هذه الورقة أن سياسات التعلم التعزيزي العميق المتكررة، التي تدمج آليات الذاكرة مثل شبكات الذاكرة الطويلة قصيرة المدى (LSTMs)، تتفوق بشكل كبير على النهج القياسي للتغذية الأمامية في تحسين جرعات العلاج الكيميائي تحت ظروف عدم اليقين في الرصد عبر تحقيق كبح أكثر استقراراً للأورام وحماية أفضل للخلايا الطبيعية.