22512 ورقة بحثية
تقدم هذه الورقة البحثية "مجهر المسح ذو المهام المتعددة"، وهو سير عمل مستقلاً وذا حلقة مغلقة يستخدم عملية غاوس متعددة المهام لاختيار كل من مواقع القياس والبروتوكولات التجريبية ديناميكيًا، مما يتيح توصيفًا واسع النطاق على المقياس النانوي بكفاءة من خلال الموازنة بذكاء بين التصوير السريع والأنماط الأكثر توغلًا والأبطأ.
تقدم هذه الورقة إطار عمل جديد للكشف عن البيانات خارج التوزيع يستفيد من البنية الهرمية الداخلية للدوائر الاحتمالية لتعريف متجه احتمالية هرمي ومقياس شبه متري مقابل، مما يتيح الكشف غير الخاضع للإشراف وتحديد موقع الانزياح دون الحاجة إلى بيانات داخل التوزيع محجوزة.
إنَّ TRACE هو إطار عمل مؤتمت يستخرج مسارات الوكلاء التاريخية لتحديد إشارات عدم الرضا الضمنية، مما يتيح العزو الدقيق والمعالجة لإخفاقات طبقة السياق عبر المطالبات والأدوات وقواعد المعرفة دون الحاجة إلى إعادة تدريب النموذج أو الحصول على تعليقات صريحة من المستخدم.
يُعد SwiftQK نواة (kernel) متعددة المعالجات الرسومية (multi-GPU) ذات كفاءة عالية في الاتصال، حيث تعمل على تسريع عملية تطبيع الاستعلام والمفتاح (Query-Key Normalization) في التوازي التنسوري (Tensor Parallelism) عبر تبادل الإحصائيات القياسية فقط وتداخل عمليات الاختزال مع الحساب، مما يحقق خفضاً في زمن الاستجابة يصل إلى 93.9% ويحسن أداء الخدمة النهائي بشكل كبير.
تقدم الورقة البحثية CaPTURe، وهي خوارزمية تنبؤ تلاؤمي مدركة للهندسة تستخدم نماذج قائمة على الجسيمات لإنشاء مناطق عدم يقين مدركة للاتصال وصالحة احتماليًا لتكوينات الروبوت، مما يحسن بشكل كبير معدلات نجاح المهام في كل من سيناريوهات الاتصال الغني والسيناريوهات غير الملامسة مقارنة بالنماذج المرجعية الحالية.
تقدم الورقة البحثية UNMASK، وهو مسار عمل مؤتمت بالكامل يكتشف الارتباطات الزائفة في مصنفات النصوص ويتحقق منها سببياً ويخفف من حدتها دون الحاجة إلى تسميات توضيحية بشرية إضافية، مما يؤدي إلى تحسين المتانة في معايير القياس خارج نطاق التوزيع ويمكّن إعادة وزن المجموعات بدون تسميات توضيحية.
تقترح هذه الورقة إطار عمل للتعلم عبر الإنترنت للمرشحات القائمة على الدرجة (score-driven filters) تعامل معامل الكسب كمتغير قرار يتم تحسينه عبر هدف كولباك-ليبلر (Kullback-Leibler)، مما يضع حدود الندم الديناميكي لتحديثات الانحدار المرآتي (mirror-descent updates)، وتثبت من خلال المحاكاة وبيانات مؤشر الأسهم أن مكاسب المرآة المحدودة تتكيف بفعالية مع الظروف المتغيرة وتتفوق على المكاسب الثابتة، لا سيما خلال أزمات السوق.
تقترح الورقة البحثية DreOPD، وهي طريقة استخلاص (distillation) جديدة قائمة على السياسة (on-policy) لنماذج مطابقة التدفق (flow-matching models)، تقوم بتحويل استقراء المكافأة الضمنية إلى انحدار سرعة ذي صيغة مغلقة وتستفيد من مرجع متدهور لتحقيق تدريب لاحق مستقر وعالي الأداء يتفوق على كل من الاستخلاص القياسي القائم على السياسة وخطوط الأساس لتعلم التعزيز متعدد المهام.
تجادل هذه الورقة بأن تغيرات احتمالية الرمز المميز المتميزة في التقطير الذاتي أثناء السياسة (on-policy self-distillation) لا تشكل تلقائياً ائتماناً صالحاً للنتيجة، حيث تثبت من خلال التحليل الرسمي والتجارب التجريبية أن مثل هذه الإشارات غالباً ما تفشل في تتبع الأفعال الأفضل أو تعزيز السلوكيات المرغوبة مقارنة بضوابط النتيجة فقط.
تقدم الورقة البحثية SoftmaxGRPO، وهي طريقة للتعلم التعزيزي تستبدل تطبيع الدرجة المعيارية (z-score normalization) بمزايا "softmax" ذات القياس الحراري (temperature-scaled softmax) لمنع التوزين المتباعد على المطالبات السهلة، مما يؤدي إلى إعادة تخصيص ميزانيات التدرج بشكل أكثر فعالية وتحسين أداء الاستنتاج بشكل كبير في مهام مثل DeepMath وPoetry مقارنة بـ GRPO القياسي.