22999 ورقة بحثية
تُثبت هذه الورقة أن الضبط الدقيق الخصمي للشبكات العصبية المضغوطة يحل بفعالية الصراع بين المتانة والكفاءة، محققاً متانة خصمية تضاهي النماذج المدربة خصمياً بالكامل مع الحفاظ على المزايا الحسابية لضغط النماذج.
تقدم هذه الورقة تفسيراً تحليلياً موحداً للأطياف الذاتية منخفضة الأبعاد لمختلف مصفوفات التعلم العميق من خلال إثبات أنها تنشأ من الانهيار العصبي العميق (DNC) ضمن نماذج الميزات غير المقيدة، مما يسميز كلاً من القيم الذاتية والمتجهات الذاتية للشبكات الخطية وشبكات ReLU.
تقدم هذه الورقة البحثية "التمثيلات الهولوغرافية المختزلة المعممة" (GHRR)، وهي امتداد مبتكر للحوسبة فائقة الأبعاد يستخدم عملية ربط مرنة وغير تبادلية لترميز البنى التركيبية المعقدة بشكل أفضل وتنفيذ آليات الانتباه، مما يثبت في النهاية أداءً متفوقاً على نماذج "ترانسفورمر" التقليدية في مهام نمذجة اللغة.
تقدم هذه الورقة مقارنة نظرية موحدة لمقدرات التدرج المعاد تمثيلها (reparameterized) والمعاد تمثيلها بشكل مزدوج (doubly-reparameterized) عبر مختلف حدود الاستدلال المتغير الموزون بالأهمية، مما يثبت تفوق نهج إعادة التمثيل المزدوج من خلال تحليلات نسبة الإشارة إلى الضجيج التقاربية وتأسيس أدوات عامة جديدة لدراسة نسب متوسط العينة.
تقترح هذه الورقة طريقة تنبؤ تآلفي مجزأ للبيانات الهرمية تتضمن خطوة إسقاط (مصالحة) للاستفادة من التبعيات الهيكلية، مما يحقق مناطق تنبؤ أصغر عالمياً مع الحفاظ على ضمانات التغطية المشتركة والمكونات على حد سواء.
تقدم الورقة البحثية CANDOR، وهي عائلة من مُقدِّرات التقييم خارج السياسة ذات المتانة المزدوجة، والتي تدمج استراتيجياً التعليقات التوضيحية المضادة غير المكتملة من الخبراء حصرياً في مكون الطريقة المباشرة لتحقيق متانة وأداء فائقين في سيناريوهات اتخاذ القرار في مجال الرعاية الصحية.
تقدم هذه الورقة البحثية TELLME، وهي طريقة مبتكرة تعزز الشفافية الجوهرية وقابلية المراقبة للنماذج اللغوية الكبيرة من خلال تحسين عمليات التفكير الكامنة لديها، مما يتيح تحديداً أكثر فعالية للسلوكيات غير المناسبة ويُظهر مكاسب أداء متسقة عبر مختلف البنى ومهام إزالة السموم.
تؤسس هذه الورقة بحثاً لصلة رسمية بين النماذج البايزية غير المعلمية ودرجة مسافة ماهالانوبيس النسبية للكشف عن القيم الخارجة عن التوزيع، مقترحةً نماذج خليط هرمية معممة تُظهر أداءً فائقاً، لا سيما عندما تُظهر فئات التدريب هياكل تباين متنوعة أو بيانات محدودة.
تقدم الورقة البحثية إطار عمل MM-PoisonRAG، الذي يوضح أن أنظمة التوليد المعزز بالاسترجاع متعددة الوسائط معرضة بشدة لكل من هجمات التسميم الموضعي المستهدف والتسميم العالمي الواسع، والتي يمكن أن تؤدي إلى تدهور دقة النموذج وتجاوز الدفاعات الحالية بشكل خطير.
تقدم الورقة البحثية xKV، وهي طريقة لما بعد التدريب تضغط ذاكرة KV-Cache بمقدار 8 أضعاف وتسرع الاستدلال بما يصل إلى 4.23 ضعفاً من خلال التحليل المشترك للمتجهات المفردة المتوافقة عبر الطبقات وإعادة البناء الانتقائي، مما يوفر حلاً جاهزاً للتشغيل (plug-and-play) لاستدلال النماذج اللغوية الكبيرة ذات السياق الطويل بكفاءة دون الحاجة إلى إعادة التدريب.