22512 ورقة بحثية
تُثبت هذه الورقة أن تدريب مُنتقيات الانتباه المتناثرة على مجموعات أدلة سببية مستمدة من تجارب الحجب أكثر فعالية بشكل ملحوظ من الاعتماد على أنماط الانتباه من النماذج الكثيفة المعلمة، حيث غالبًا ما يخطئ الانتباه في تحديد السياق الفعلي الذي يعتمد عليه النموذج في إجاباته.
تقدم هذه الورقة نظرة عامة حول كيفية تطبيق طرق الاستدلال القائمة على المحاكاة والمستندة إلى تعلم الآلة ضمن كل من الأطر البايزية والتكرارية لحل المسائل العكسية، مع معالجة استخدامها في مهام "بايز التجريبي" ومهام "إزالة الالتفاف"، جنباً إلى جنب مع استراتيجيات التحقق والقيود المتأصلة.
تُثبت هذه الورقة أن النموذج التربيعي البسيط، عند تطبيقه عبر توسيع تايلور عند نقاط تدقيق متوسطة، يمكنه بشكل مفاجئ التنبؤ بديناميكيات التحسين في النماذج اللغوية الكبيرة بدقة، مما يكشف عن أطياف هسيان مهيكلة ويؤكد أن التدريب يحدث عادةً عند حافة استقرار عشوائية تعتمد على حجم الدفعة.
تحذر هذه الورقة من أن استخدام عمليات إعادة البناء الموروثة كبيانات تدريب للنماذج التوليدية المسبقة —وهي ممارسة تُسمى "غسيل الأولويات" (prior laundering)— يؤدي إلى ثقة مفرطة غير قابلة للكشف وضعف في تقدير عدم اليقين في المسائل العكسية سيئة التحديد، لأن النموذج يرث ويضخم تحيزات الأرشيف بدلاً من التعلم من البيانات الفعلية.
تقدم هذه الورقة نموذج عملية سيجما النقطية العميقة (DSPP) الذي يستفيد من إطار عمل العملية الغاوسية الهرمية مع الاستدلال البايزي للتنبؤ بالمقطع العرضي الراداري (RCS) في صور الرادار ذي الفتحة الاصطناعية (SAR) المحمولة فضائياً بدقة فائقة وحدود عدم يقين معايرة، متفوقاً بذلك على خطوط الأساس للانحدار الخطي التقليدية في مجموعة بيانات سفن RADARSAT-2 الضخمة.
تقدم هذه الورقة البحثية PromptDB، وهو نظام قواعد بيانات يعامل المطالبات (prompts) كأنواع بيانات من الدرجة الأولى على مستوى الصفوف (tuple-level) لتمكين الإدارة والتحسين وإعادة الكتابة داخل قاعدة البيانات لتفاعلات النماذج اللغوية الكبيرة، مما يؤدي إلى تحسين صلاحية المخرجات والموازنة بين التكلفة والجودة مقارنةً بالتخزين الخارجي الساكن للمطالبات.
تقترح هذه الورقة نسخة متينة من إطار "التنبؤ ثم التحسين" الذكي، تدمج معالجة اضطراب الميزات في أسوأ الحالات ضمن مسار التعلم عبر بديل محدب قابل للتتبع، مما يثبت ضمانات نظرية لـتضاؤل الخطأ الأسي والاتساق الفيشري إلى جانب أداء تجريبي متفوق على الطرق القياسية.
تقدم هذه الورقة البحثية ADSD، وهو أول هجوم للاحقة المطالبة (prompt-suffix attack) يستغل ثغرة في فك التشفير التخميني (speculative decoding) باستخدام بديل الانهيار الناعم (Soft-Collapse surrogate) لتوليد لواحق عدائية تزيد من زمن استجابة الاستدلال بشكل كبير مع الحفاظ على جودة المهمة.
تُبين هذه الورقة أنه في حين تُظهر خوارزمية تحديث الأوزان الضربيه في إعدادات ألعاب معينة ديناميكيات فوضوية تمنع التقارب نحو توازنات ناش، فإن المقاييس الثابتة الطبيعية من النظرية الإرغودية توفر إطاراً صارماً لتوصيف السلوكيات طويلة المدى إحصائياً وحساب المقاييس الاقتصادية مثل العوائد والتكلفة الاجتماعية بدقة.
تقترح هذه الورقة طريقة لتحديد الهوية الجزئي تستفيد من بيانات التجارب العشوائية المحكومة السابقة وافتراضات الرتابة فيما يتعلق بصحة الحالات المقابلة للواقع وثقة المجموعات الفرعية لبناء حدود على الأثر السببي لنماذج تعلم الآلة المحدثة، مما يعالج عدم جدوى إجراء تجارب متكررة لكل عملية تحديث للنموذج.