22512 ورقة بحثية
تقدم هذه الورقة "التعلم التعزيزي الوكيل مع تشكيل المكافأة بالتقطير الذاتي" (ADRS)، وهو إطار عمل يعزز أداء وكلاء اللغة في المهام طويلة الأمد من خلال توليد ائتمان على مستوى الرمز المرتبط بالعائد عبر إشارات مهارة مميزة ومقطرة ذاتياً، يتم معايرتها وحجبها بشكل مشترك بواسطة ثقة المعلم والعوائد المحققة.
تُعد SAKI طريقةً لترتيب مفاتيح (key indexing) منخفضة الرتبة، واعية بالدرجات، ولا تتطلب تدريباً، تعمل على تحسين ضغط ذاكرة التخزين المؤقت لـ KV عبر تقليل تشوه درجات الانتباه مباشرةً من خلال تحليل عاملي غير متماثل ذي صيغة مغلقة، مما يجعلها تتفوق بشكل كبير على الأساليب الحالية القائمة على إعادة بناء المفاتيح مثل PCA في استدعاء السياق الطويل عبر نماذج لغوية كبيرة متعددة.
تؤكد هذه الورقة أن "الاشتعال التركيبي" في المستنتج ذي العمق المتكرر هو ظاهرة حوسبية حقيقية تحدث عند مخرجات المفردات، وتتميز بقفزة حادة تعتمد على العمق في هامش القرار، وانقباض وتجميد هندسي في الحالات الخفية، مع التراجع عن الادعاءات السابقة بشأن اتجاهية الحالة الخفية وانخفاضات السرعة باعتبارها آثاراً تعتمد على الإحداثيات.
تُثبت هذه الورقة أن تحليل الديناميكيات الهيكلية لتتبعات "سلسلة الأفكر" (Chain-of-Thought)، بدلاً من محتواها الدلالي، يمكن أن يكشف بفعالية عن إخفاقات الاستدلال ويصححها في النماذج اللغوية الكبيرة في مهام القابلية للإرضاء البوليانية (Boolean satisfiability)، كما يتضح من تدخل مستهدف رفع دقة نموذج Llama3-70B من 13.3% إلى 85%.
يقدم Any-OPD إطار عمل مبتكر للتقطير على السياسة (on-policy distillation) غير المتجانس بين نماذج مطابقة التدفق الكامنة (latent flow-matching models) التعسفية عبر الربط بينها من خلال تمثيل رؤية مجمد ومستقل عن النموذج ومطابقة مستمرة لمستوى الضجيج، مما يمكّن طالباً بحجم 2.5 مليار من منافسة أداء معلم بحجم 12 مليار حيث يفشل الانحدار الكامن التقليدي.
تقدم هذه الورقة معياراً ذاتي الاحتواء، وضرورياً وكافياً لتقارب سلاسل ماركوف بناءً على التكافؤ التقاربي مع المقياس المستهدف، مما يقدم برهاناً مبسطاً يتجنب الافتراضات التقليدية مثل عدم القابلية للاختزال، أو عدم الدورية، أو تقنيات الاقتران، مع إثبات القانون القوي للأعداد الكبيرة لمختلف الخوارزميات بما في ذلك عينات جيبس والتدريب المتوازي.
تجادل هذه الورقة بأن المحاولات الأخيرة لتفسير نجاح التعميم في نماذج التعلم العميق الاستيفائية عبر الاستناد إلى مبدأ "نصل أوكام" تخلق فجوة تفسيرية من خلال الخلط بين الخصائص غير المثبتة للنماذج الفردية وبين الارتباط الصارم، المدعوم بالبراهين النظرية، بين بساطة فئة النموذج والتعميم الموجود في نظرية التعلم الكلاسيكية.
تقدم الورقة البحثية TimeRLM، وهو إطار عمل لنموذج لغوي تكراري يستفيد من قدرات البرمجة والرؤية لتحقيق دقة متطورة في تحديد مواقع الشذوذ ضمن بيانات السلاسل الزمنية ذات السياق الطويل، متفوقاً على النماذج الحالية في كل من معيار قياسي اصطناائي جديد (AnomalyXL) وتسجيلات من العالم الحقيقي.
تقدم هذه الورقة البحثية معيار "كأس العالم للذكاء الاصطناعي"، وهو تقييم معياري حيث قامت عشرة نماذج لغوية كبيرة بالتنبؤ بكأس العالم 2026 بالكامل تحت ظروف متطابقة، مما كشف أن نموذج GPT-5.5 Thinking تفوق على الآخرين بشكل أساسسب بسبب تفوق تنبؤاته في الأدوار الإقصائية، وأن نجاح التنبؤ على مستوى البطولة يختلف اختلافاً جوهرياً عن الدقة على مستوى المباريات الفردية.
تقترح هذه الورقة بنية U-Net ثنائية النطاق مزودة بمعاملات إسقاط خلفي مدمجة تعمل على إعادة بناء أحجام التصوير المقطعي المحوسب بالحزمة المخروطية (CBCT) رباعية الأبعاد والمحللة للحركة وحقول إزاحة التنفس من مسوحات فردية حرة التنفس دون الحاجة إلى إشارات تنفس أو تقسيم الإسقاط، مما يظهر رؤية فائقة للورم والمريء مقارنة بالطرق التقليدية في كل من التقييمات المحاكاتية والسريرية.