22999 ورقة بحثية
تقدم هذه الورقة البحثية Diffusion LAIR، وهي طريقة مبتكرة لتحسين التفضيل القائم على القوائم (listwise preference optimization) تستفيد من درجات المكافأة المستمرة والانحدار الموزون بالميزة (advantage-weighted regression) لمواءمة نماذج الانتشار من نص إلى صورة بشكل أكثر فعالية من النهج التقليدي القائم على الأزواج (pairwise approaches)، مما يظهر أداءً فائقاً عبر مختلف معايير التوليد والتحرير.
تكشف هذه الورقة أن القصص التي تولدها النماذج اللغوية الكبيرة تظهر تنوعاً منخفضاً بشكل صارخ، حيث تهيمن مجموعة صغيرة من الرموز مثل "إلياس" و"المنارة" على المخرجات بسبب انتشارها في مجموعات بيانات محاذاة التفضيلات بدلاً من بيانات ما قبل التدريب، مما يسلط الضوء على التأثير غير المتناسب لمجموعات البيانات الصغيرة وعالية الجودة على سلوك النموذج.
تقترح الورقة البحثية Dense2MoE، وهو إطار عمل مبتكر يوحد بين تقليم الطبقات وإعادة التدوء (upcycling) لتحويل النماذج اللغوية الكبيرة الكثيفة بكفاءة إلى نماذج خليط من الخبراء (Mixture of Experts) جاهزة للعمل على الأجهزة، مما يحسن بشكل كبير جبهة باريتو للدقة مقابل زمن الاستجابة مع تجنب التكاليف الباهظة للتدريب من الصفر.
تقدم الورقة البحثية "مطابقة التدفق التكرارية" (Recursive Flow Matching - RecFM)، وهو إطار توليدي مبتكر يفرض الاتساق الذاتي عبر مقاييس التجزئة لتحقيق تنبؤ عالي الدقة وفي الوقت الفعلي للديناميكيات المكانية والزمانية المعقدة، مع تسريع يصل إلى 20 ضعفاً مقارنة بالمحاكيات القائمة على الانتشار، مع تقليل أخطاء التنبؤ بشكل كبير.
تقدم هذه الورقة SEC-bench Pro، وهو معيار مرجعي صارم يضم 183 ثغرة أمنية من واقع الحياة في V8 وSpiderMonkey، يكشف أن وكلاء البرمجة القائمين على النماذج اللغوية يعانون في مهام أمن البرمجيات طويلة المدى، حيث يحققون معدل نجاح لا يتجاوز 38.8% حتى مع النماذج الرائدة.
تقدم هذه الورقة FAV، وهو إطار عمل محاذاة عام للنماذج التوليدية ذات الخطوات القليلة، والذي يستفيد من الاستدلال التبايني القائم على العينات والارتباط بنقطة ثابتة لتحسين عائلات نماذج متنوعة عبر مجالات الروبوتات وتوليد الصور دون اشتراط احتمالات قابلة للحساب أو افتراضات حل محددة.
تتناول هذه الورقة تحدي النزاع السياقي للمتعددات (contextual dueling bandits) مع التغذية الراجعة العشوائية المتأخرة من خلال اقتراح خوارزميات خطية وعصبية مبتكرة تستخدم آلية وزن الاحتمال العكسي ضمن دالة الخسارة لضمان التقدير غير المنحاز، محققةً حدود ندم دون خطي ومثبتةً فعاليتها من خلال تجارب مستفيضة.
تقترح هذه الورقة محولاً ذا مرحلتين يصحح التناقضات الاقتصادية للنماذج التأسيسية للبيانات الجدولية من خلال دمج تنبؤاتها ضمن إطار تعظيم المنفعة، مما يحقق دقة فائقة في مهام الاختيار المنفصل مع ضمان علاقات سعر-طلب صالحة نظرياً.
تقدم هذه الورقة TSCOMP، وهو أول معيار واسع النطاق يفكك منهجياً طرق التنبؤ بالسلاسل الزمنية متعددة المتغيرات العميقة إلى مكونات دقيقة لإثبات أن الاختيار الآلي القائم على البيانات للمكونات يتفوق باستمرار على البنيات الشمولية المعقدة المصممة يدوياً.
تقدم هذه الورقة التنبؤ المطابق المدرك للتوزيع (DCP)، وهو إطار عمل معياري يدمج متنبئات احتمالية متنوعة مع معايرة غير معتمدة على الدرجة لتوليد فترات تنبؤ صالحة وفعالة للسلاسل الزمنية، مما يتكيف بفعالية مع أنظمة عدم اليقين المتغيرة من خلال نهج انعكاس عددي مبتكر ودرجة وينكلر معدلة.