22999 ورقة بحثية
تقدم هذه الورقة البحثية "التدريب وقت الاختبار للتعلم السببي الخاضع للإشراف" (TTT-SCL)، وهو إطار عمل مبتكر يعمل على توليد مجموعات تدريب متوافقة مع وقت الاختبار ديناميكيًا للتغلب على قيود التعميم خارج التوزيع والقيود التركيبية لطرق التعلم السببي الخاضعة للإشراف الحالية، مما يحسن الأداء بشكل كبير في كل من مجموعات البيانات الاصطناعية والواقعية.
تقدم هذه الورقة إطار عمل "توصيف الأداء الكامن" (LPP)، وهو إطار يقيّم النماذج اللغوية الكبيرة من خلال تشخيصات غير مرتبطة بمهام محددة لتنشيطاتها الخفية وتوزيعات مخرجاتها للكشف عن السمات الجوهرية ونقاط الضعف التي تفشل درجات الاختبارات المعيارية وحدها في رصدها.
تقدم هذه الورقة MaskDiff-AD، وهو نموذج انتشار مقنع أحادي الاتجاه (forward-only) يكتشف الشذوذ بفعالية في البيانات الفئوية، والمختلطة، والتسلسلية المنفصلة من خلال تقييم صعوبة إعادة البناء دون الحاجة إلى أخذ عينات عكسية للزمن، محققاً أداءً هو الأفضل حالياً عبر مختلف معايير البيانات الجدولية والنصية.
تقدم الورقة البحثية CROP، وهي طريقة معايرة تطابقية توفر ضمانات إحصائية لطول بادئات الاستدلال الصالحة في النماذج اللغوية، مما يتيح الاحتفاظ الآمن بالخطوات الوسيطة الصحيحة مع توجيه اللاحقات التي تحتوي على أخطاء للإصلاح.
تقترح الورقة البحثية إطار عمل SW-DRSO، وهو إطار تحسين متين توزيعياً يستخدم خصماً مركزياً (barycentric adversary) لتدريب نماذج تمثيل المجموعات ضد فساد العناصر أثناء الاستدلال، مما يعزز المتانة مع الحفاظ على أداء عالٍ عبر مهام متعددة.
تقدم هذه الورقة Chess-World-Model، وهو معيار مرجعي واسع النطاق مستمد من 10 ملايين مباراة شطرنج حقيقية يقيم قدرات تتبع الحالة، ويكشف أن البنى المتكررة تتفوق بشكل كبير على نماذج المحولات (Transformers) وأن الاختبار خارج نطاق التوزيع (out-of-distribution) ضروري لكشف إخفاقات النماذج التي لا يمكن للتوسع وحده أن يخفيها.
تؤسس هذه الورقة أول نظرية تقارب رسمية للبحث عن البنى العصبية القائم على النماذج اللغوية الكبيرة التكراري عبر نمذجته كطريقة "الإنتروبيا المتقاطعة" (Cross-Entropy) معلمية، حيث تثبت التحسن النوعي الرتيب والتقارب الهندسي مع اشتقاق مقياس موثوقية بديل ذي صيغة مغلقة يفسر سقوف الأداء التجريبية.
تجادل هذه الورقة بأن هندسة التمثيل، وتحديداً القدرة على مطابقة الحالات على منوع (manifold) نظام المصدر باستخدام تمثيلات محلية متعددة المقاييس، هي العامل المهيمن الذي يُمكّن من التعميم عبر أرقام رينولدز في حلول المعادلات التفاضلية الجزئية العصبية، متفوقةً بذلك على كل من خطوط الأساس الصفرية الأمامية والمتنبئات المتعلمة القياسية على معيار نافيير-ستوكس ثنائي الأبعاد القسري.
تقترح هذه الورقة وتقيم نهج البرمجة الجينية التي تعمل إما على تطوير مجموعات سمات قابلة للتفسير أو التحسين المشترك لهياكل أشجار البقاء ومنطق التقسيم، مما يثبت أن التطور المشترك الكامل يحقق النتائج الأكثر واعدية لإنشاء نماذج بقاء دقيقة، ضحلة، وقابلة للفحص بطبيعتها.
تقدم الورقة البحثية نموذج الاسترجاع المتناثر أحادي المرحلة (SSR)، وهو نموذج جديد يستبدل اختناقات التجميع والضغط في نماذج الاسترجاع التقليدية متعددة المتجهات عبر الترميز المتناثر عالي الأبعاد بواسطة المشفرات التلقائية المتناثرة، مما يحقق تقليلاً بمقدار 15 ضعفاً في وقت الفهرسة، ونصف زمن استجابة الاسترجاع، ودقة محسنة في اختبار BEIR.