22512 ورقة بحثية
تُثبت هذه الورقة أن تسلسل التفكير (Chain-of-Thought) باستخدام نماذج المحولات ذات الانتباه الصلب والعمق المحدود يمكنه أن يُحقق صراحةً البحث بالعمق أولاً (depth-first search) وخوارزمية ديكسترا (Dijkstra's algorithm) لحساب رقم ستراهلر (Strahler number) وعرض الأشجار التعسفية، مما يقدم دليلاً غير بديهي على نظام الخطوة الخطية لقدرة التعبير في هرم تسلسل التفكير.
تُثبت هذه الورقة أن التخصيص الديموغرافي الضمني في النماذج اللغوية الكبيرة مدفوع بإشارات تنشيط داخلية موضعية يمكن تحديدها، والتحكم فيها سببياً، وإزالتها انتقائياً لكبح المخرجات المتحيزة مع الحفاظ على الأداء العام للنموذج.
تقترح هذه الورقة إطار عمل لتحسين التعميم خارج التوزيع عبر تشغيل "الإببليكسيتي" (epiplexity) —وهو مقياس للمعلومات الهيكلية القابلة للاستخراج— كإشارة تكيفية لكل من اختيار نطاقات البيانات الطبيعية وتوجيه توليد البيانات الاصطناعية لتعظيم قابلية نقل التمثيلات المتعلمة.
تُثبت هذه الورقة أن الضبط الدقيق لنموذج لغوي مفتوح الأوزان باستخدام تحسين السياسة النسبي المجموعي (GRPO) وإطار تقييم مزدوج — يجمع بين معايير نموذج لغوي كبير كحَكَم (LLM-as-a-judge) وتدقيق أثر المعالجة المتوسط السببي (CATE) المستقل عن الحَكَم — ينتج نصائح مالية تتفوق بشكل كبير على النماذج التجارية المرجعية من حيث الرفع المقدر في الأرباح والحد من المخاطر.
يُعد JAPE إطار عمل مبتكر للتنبؤ بالشذوذ في السلاسل الزمنية متعددة المتغيرات، حيث ينتقل من نمذجة الانحرافات العددية إلى التقاط هياكل التبعية المتطورة، مما يتيح الكشف المبكر عن المقدمات الدقيقة وتفسيرات أصلية على مستوى المتغيرات دون تدريب إضافي.
تُظهر هذه الدراسة المسجلة مسبقاً أنه بينما يمكن تحديد البنية السببية الكامنة في نموذج لغوي بنجاح وتحديد موقعها واستعادتها جزئياً عبر التدخل، فإن محاولات تحويل هذا الكشف إلى تحرير سلوكي موثوق تفشل بسبب انقلاب خارج النطاق المعتاد للمكتشف وسقف جوهري في فعالية اتجاهات التحرير الخطية.
تقدم هذه الورقة إطار عمل عام للمشفر-المفكك (encoder-decoder) يعتمد على النواة، وتحديداً عائلة KernelMO، لتعلم العمليات متعددة المدخلات ومتعددة المخرجات بكفاءة، مما يحقق دقة هي الأفضل في حالتها (state-of-the-art) في المعادلات التفاضلية الجزئية مع الحفاظ على القدرة على المعالجة الحسابية وتجنب لعنة الأبعاد.
تقترح هذه الورقة نظام استدلال موزع تعاوني بمساعدة المستخدمين يجمع بين البنية التحتية المخصصة وموارد المستخدمين المتطوعين لتمكين التوسع التلقائي المدرك لجودة الخدمة، مما يثبت من خلال نموذج ماركوف عالي الأبعاد وعمليات المحاكاة أن هذا النهج يحسن زمن الاستجابة وإكمال الطلبات بشكل كبير مع تقليل استهلاك الموارد المخصصة مع نمو عدد المستخدمين.
تجادل هذه الورقة بأن الفشل المتصور للتجارب صغيرة النطاق في التحقق من صحة قوانين القياس ينبع من حساسية المعلمات الفائقة وليس من حجم النموذج، مبرهنةً على أنه مع الضبط المناسب والمنهجية الشاملة، يمكن للنماذج الصغيرة أن تتنبأ بشكل موثوق بالنتائج واسعة النطاق مثل تفوق مرحلة ما قبل التقييس (pre-normalization) في نماذج المحولات (transformers).
تقدم هذه الورقة نهجاً رمزياً هجيناً يجمع بين النماذج اللغوية لاستخراج الحقائق ومحلل مجموعات الإجابات (answer set solver) للاستدلال المنطقي لضمان التزام استجابات الذكاء الاصطناعي بالسياسات المكتوبة، محققةً دقةً وقابلية تفسير ومتانة فائقة مع تقليل استهلاك الرموز (tokens) بشكل كبير مقارنة بالطرق الحالية.