23088 ورقة بحثية
تقدم هذه الورقة Geometry-Lite، وهو مسبار قابل للتفسير يفكك إشارات السلامة عبر طبقات المحولات (transformer layers) ليكشف أن الكشف عن سلامة مستوى المطالبة (prompt-level safety detection) يعتمد بشكل أساس أساسي على هندسة الهامش المستمرة عبر الطبقات وتحديد المواقع الحدودية بدلاً من إشارات الحركة من طبقة إلى أخرى.
يُعد Lean Refactor إطار عمل وكيلًا يعتمد على الاسترجاع المعزز، يعمل على تحسين براهين Lean لتحقيق أهداف متعددة — بما في ذلك ضغط الرموز (tokens)، وسرعة التجميع، وتوافق الإصدارات — من خلال الاختيار الديناميكي لاستراتيجيات إعادة الهيكلة المنسقة دون الحاجة إلى إعادة تدريب النموذج.
يُعد Prism إطار عمل جديدًا غير خاضع للإشراف، يكتشف الهشاشة الهيكلية في الشبكات المعقدة عبر حساب عيب الثنائية من خلال الإسقاط لابلاتسيان، مما يمكّن من تحديد الإجهاد النظامي المتصاعد وتحسين اكتشاف المجتمعات قبل المقاييس التقليدية القائمة على الارتباط.
تقدم الورقة البحثية إطار العمل GROW، وهو إطار للتعلم التعزيزي يعمل على تكييف تحسين السياسة النسبية للمجموعة (GRPO) لوكلاء نماذج الرؤية واللغة في العوالم المفتوحة من خلال تفكيك المسارات الكاملة إلى عينات حالة-فعل للتغلب على قيود طول السياق، محققةً أداءً هو الأفضل على الإطلاق في أكثر من 800 مهمة في ماينكرافت.
يُعد CP-MoE إطار عمل جديد للتعلم المستمر يعمل على التخفيف من حدة النسيان الكارثي في النماذج اللغوية الكبيرة (LLMs) والنماذج اللغوية البصرية (VLMs) عبر توظيف خبير عابر لتوجيه دمج التحديثات الخاصة بالمهام في الخبراء المستقرين من خلال توجيه يحافظ على الاتساق وتنظيم مستهدف، محققاً بذلك أداءً رائداً مع موازنة نقل المعرفة واستقرار المعلمات.
تقدم هذه الورقة البحثية "التحسين الاستنتاجي" (Transductive Sharpening)، وهو هدف تدريبي يحسن تصنيف العقد في التعلم شبه المُشرف من خلال تقليل اعتلاج التنبؤ (prediction entropy) على العقد غير المصنفة مع موازنة هذا التأثير على العقد المصنفة، مما يتيح الاستفادة من التنبؤات غير المصنفة لتعزيز الأداء دون تعديل البنية التحتية الأساسية.
تقدم هذه الورقة "Kernel Discovery"، وهو إطار عمل تطوري مدفوع بنماذج اللغات الكبيرة يتغلب على قيود التصميم الآلي الحالي للنواة في التحسين البايزي عالي الأبعاد من خلال البحث في فضاء رياضي أوسع دون الاعتماد على الملاحظات الخام، محققاً أداءً فائقاً بمتوسط رتبة قدره 1.2 من أصل 17 في الاختبارات المعيارية.
تقدم هذه الورقة إطار عمل لشبكة عصبية تلافيفية مستندة إلى الفيزياء تتنبأ بدقة بمجالات السرعة على مقياس المسام في الأوساط المسامية المعقدة من خلال دمج القيود الفيزيائية في عملية التدريب، مما يتيح تسريعاً كبيراً لمحاكاة "لاتيس بولتزمان" (Lattice-Boltzmann) عبر تحسين الظروف الأولية.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي متعدد الوكلاء يقوم بالتدريب المشترك للمركبات ذاتية القيادة مع مشاة يظهرون سمات شخصية خفية، مما يثبت أن هذا النهج يولد سيناريوهات تفاعل أكثر واقعية ويقلل بشكل كبير من معدلات التصادم مقارنة بالنماذج المرجعية القائمة على القواعد والتدريب أحادي الوكيل.
تقدم الورقة البحثية SELFCI، وهو إطار عمل للتقطير الذاتي التكميلي يعالج المقايضة بين الخصوصية والمنفعة في النماذج اللغوية الكبيرة من خلال التحسين المشترك لأداء المهام وسلامة السياق عبر نهج "حاصل ضرب الخبراء"، متفوقاً بذلك على النماذج المرجعية الحالية دون الحاجة إلى إشراف خارجي مكلف.