22953 ورقة بحثية
تكشف هذه الورقة أن طرق نسيان النماذج اللغوية الكبيرة الحالية تفشل في تحقيق النسيان الحقيقي تحت فك التشفير الاحتمالي، حيث تقدم مقياس \texttt{leak@} لتقدير هذه الثغرة وتقترح خوارزمية \texttt{RULE} للتخفيف بفعالية من تسرب المعرفة عبر عدة معايير مرجعية.
تقترح هذه الورقة استراتيجية تهيئة مستنيرة مبتكرة للتعلم المستمر لتمثيلات الرسوم البيانية للمعرفة، والتي تستفيد من المخطط والتمثيلات السابقة لتعزيز الأداء التنبؤي، وتقليل النسيان الكارثي، وتسريع التدريب للرسوم البيانية التي يتم تحديثها بشكل متكرر.
تقترح هذه الورقة طريقة حوسبية مبتكرة قائمة على المحاكاة باستخدام الشبكات العصبية العميقة لحل مشكلات التوريد المشترك العشوائية عالية الأبعاد من خلال تقريبها كمسائل تحكم نبضي في زمن مستمر مرتبطة بمعادلات تفاضلية عشوائية خلفية، محققةً أداءً يطابق أو يتجاوز المعايير المرجعية الحالية لما يصل إلى 50 وحدة حفظ مخزون.
تقدم هذه الورقة البحثية MiAD، وهو نموذج انتشار مشترك متماثل (equivariant) يستخدم تقنية "حقن السراب" (mirage infusion) المبتكرة لتغيير عدد الذرات ديناميكيًا أثناء عملية التوليد، مما يحسن بشكل كبير من اكتشاف المواد البلورية المستقرة والفريدة والجديدة مقارنة بالنهج الحالية المتطورة.
يُعد ReflexGrad بنية ثنائية العمليات تُمكّن وكلاء النماذج اللغوية الكبيرة من التعافي من الإخفاقات داخل الحلقة دون الحاجة إلى نماذج توضيحية، وذلك عبر التوجيه الديناميكي بين التحسين المستمر السريع والتشخيص السببي البطيء، محققاً مكاسب كبيرة في أداء مهام ALFWorld عبر مختلف مقاييس النماذج.
تقدم الورقة البحثية E-valuator، وهو إطار عمل خفيف الوزن ومستقل عن النموذج يحول درجات الموثق (verifier) ذات الصندوق الأسود إلى قواعد قرار صالحة إحصائياً باستخدام اختبار الفرضيات المتسلسلة وعمليات e (e-processes) لمراقبة مسارات الذكاء الاصطنا�ي الوكيل بشكل موثوق، والتحكم في معدلات الإنذار الكاذب، وتمكين الإنهاء المبكر للتسلسلات الفاشلة.
تقدم هذه الورقة البحثية DCFO، وهي طريقة جديدة تعتمد على الكثافة لتوليد تفسيرات مضادة فعالة لخوارزمية عامل الشذوذ المحلي (LOF) من خلال تقسيم فضاء البيانات لتمكين التحسين القائم على التدرج، مما يظهر أداءً متفوقًا في القرب والصلاحية عبر 50 مجموعة بيانات.
تقترح هذه الورقة نموذجاً للتعلم العميق يتكون من ثلاثة مكونات تدمج بين الترميز العصبي المتكافئ، والوصف الرمزي العصبي للأجسام، واتخاذ القرار المتكرر لمحاكاة أداء التدوير الذهني البشري وأوقات الاستجابة بدقة، وهو ما تم التحقق من صحته من خلال كل من الدراسات السابقة وتجارب الواقع الافتراضي التفاعلية الجديدة.
تحدد هذه الورقة ثغرة "قابلية تحقق غير متماثلة" هيكلية في عملية نقل أجهزة الترميز (tokenizer transplantation) عبر النماذج اللغوية الكبيرة، حيث يمكن هندسة ناقلات معاملات محددة كـ "رموز كاسرة" (breaker tokens) تظل خاملة في النموذج المانح ولكنها تُحفز عمليات إعادة بناء عالية البروز في النموذج الأساسي، مما يؤدي إلى التهرب من فحوصات دمج الأوزان القياسية وتدابير التخفيف القائمة على تقنية (LoRA).
تقدم هذه الورقة تقنية "خرائط تنشيط الأفق" (Horizon Activation Mapping - HAM)، وهي تقنية تفسير بصري محايدة للنماذج تقوم بتحليل متوسطات معيار التدرج عبر السلاسل الزمنية الفرعية لتمكين الاختيار الدقيق للنماذج، والتحقق من صحتها، والمقارنات بين العائلات المختلفة لمختلف بنيات الشبكات العصبية في التنبؤ بالسلاسل الزمنية.