27985 ورقة بحثية
تقدم هذه الورقة البحثية "Not-a-Bandit"، وهي خوارزمية "لا ندم مثبت" (no-regret) لاختيار نماذج المسودة عبر الإنترنت في عملية فك التشفير التخميني، والتي تقيم بكفاءة جميع النماذج المرشحة دون استعلامات إضافية من النموذج المستهدف، مما يتفوق بشكل أسي على النهج القائم على الـ "bandit" والأساليب المرجعية الحديثة مثل EAGLE3 عبر مجالات متنوعة.
تقدم الورقة البحثية ATOM، وهو عامل تشغيل عصبي من نوع "ترانسفورمر" مدرب مسبقاً يستفيد من تصميم شبه متماثل (quasi-equivariant) وانتباه زمني لتحقيق تعميم صفري (zero-shot generalization) هو الأفضل حالياً في محاكاة الديناميكيات الجزيئية متعددة المهام عبر جزيئات وآفاق زمنية متنوعة، مدعوماً بمجموعة بيانات TG80 التي تم تنسيقها حديثاً.
تقدم هذه الورقة أول إطار عمل للتعلم النشط متعدد الوسائط مع بيانات غير متوافقة، حيث تقترح خوارزمية مدركة للوسائط تعمل على اكتساب التوافقات عبر الوسائط بكفاءة لتقليل تكاليف التوسيم بشكل كبير مع الحفاظ على أداء النموذج.
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.
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.
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.
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.
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.
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.
تجادل هذه الورقة بأن تقييم المصنفات مقابل مقيمين فرديين ومتوسط النتائج هو أكثر منهجية من استخدام أغلبية الأصوات عندما تفتقر الأحكام البشرية إلى الموضوعية أو التجرد، وتطرح مفهوم "تكافؤ المقيم" كمعيار لتحديد الحد الأدنى من عدد المقيمين اللازم لمطابقة أداء المصنف.