23088 ورقة بحثية
تقدم هذه الورقة إطار عمل عام لتعلم الآلة يسمى "طريقة التوطين" (localization method)، القائم على نوى التوطين والمتوسطات المحلية، والذي يوحد ويعمم نظرياً نماذج متنوعة موجودة حالياً —بما في ذلك نموذج "ترانسفورمر" (Transformer)— مع تقديم أدوات جديدة لتصميم أنظمة تعلم مرنة ومتكيفة مع البيانات.
تقدم هذه الورقة إطار عمل لنمذجة تقليل الرتبة في الفضاء الكامن بالصيغة الضعيفة (WLaSDI)، والذي يعمل على تسريع التحسين القائم على التدرج للمسائل عالية الأبعاد المرتبطة بالمعادلات التفاضلية الجزئية المعتمدة على الزمن، وذلك عبر ضغط مسارات الحلول إلى ديناميكيات كامنة قوية ومقاومة للضجيج، محققاً تسريعاً يصل إلى خمس مراتب عشرية مع الحفاظ على الدقة عبر تطبيقات معيارية متنوعة.
تكشف هذه الورقة أن تجميع الاستدلال، وهو تقنية تحسين قياسية لنشر النماذج اللغوية الكبيرة، يؤدي إلى آثار جانبية عددية يمكن استغلالها خبيثاً لزرع أبواب خلفية خفية تظل خاملة أثناء التنفيذ غير المجمع ولكنها تنجح في اختطاف تنبؤات النموذج عند تجميع النموذج، مما يؤدي إلى تجاوز تقييمات السلامة التقليدية.
تقدم الورقة البحثية Reflector، وهو إطار عمل ثنائي المراحل يعمل على استدخال التأمل الذاتي في عملية توليد النماذج اللغوية الكبيرة عبر الضبط الدقيق الخاضع للإشراف بتوجيه من المعلم والتعلم التعزيزي، محققاً نجاحاً دفاعياً يتجاوز 90% ضد عمليات كسر الحماية غير المباشرة المعقدة مع تعزيز فائدة النموذج وقدرته على التعميم في الوقت ذاته.
تقدم الورقة البحثية CoMET، وهو إطار عمل للتصنيف متعدد الوسائط بنمط الصفر (zero-shot) يحقق نتائج رائدة من خلال دمج مشفرات الوسائط مسبقة التدريب والمجمدة مع نموذج تأسيسي للبيانات الجدولية عبر ضغط PCA وآلية تجميع رموز خفيفة الوزن، مما يلغي الحاجة إلى الضبط الدقيق.
تقترح الورقة البحثية Dynamic TMoE، وهو إطار عمل مبتكر للتنبؤ بالسلاسل الزمنية غير المستقرة يقوم بإدارة مجموعات الخبراء غير المتجانسة ديناميكيًا ويستخدم موجه ذاكرة زمنية للتكيف مع تحولات التوزيع، محققًا أداءً هو الأفضل في فئته عبر تسعة معايير مرجعية.
تقدم هذه الورقة البحثية LlamaWeb، وهو خلفية (backend) لـ WebGPU لـ llama.cpp يحقق استنتاجاً للنماذج اللغوية الكبيرة (LLM) بكفاءة في الذاكرة، وقابلية للأداء المتنقل، وتعدد الدقة في المتصفحات من خلال الاستفادة من التخطيط الساكن للذاكرة، ومكتبة نوى (kernel library) قابلة للضبط، ونوى GPU تعتمد على القوالب (templated GPU kernels)، مما يؤدي إلى تقليل استخدام الذاكرة بشكل كبير وزيادة إنتاجية فك التشفير (decode throughput) مقارنة بالأطر البرمجية الحالية عبر مختلف الأجهزة.
تقترح الورقة البحثية إطار عمل SAVER، وهو إطار استخراج معلومات متعدد الوسائط انتقائي يستخدم بوابة قابلية التحقق المطابقة (Conformal Groundability Gate) لتقرير متى وأي مجموعة فرعية من الصور يجب استشارتها بشكل ديناميكي، مما يؤدي إلى تحسين دقة الاستخراج مع تقليل التكاليف الحسابية وزمن الاستجابة بشكل كبير مقارنة بطرق الدمج المستمرة.
تقترح الورقة البحثية تحسين سياسة المجموعة التكيفي (AGPO)، وهو إطار عمل للتعلم المعزز خالٍ من الناقد (critic-free) يستخدم إحصائيات على مستوى المجموعة لضبط حدود القص ودرجات حرارة فك الترميز ديناميكيًا، مما يؤدي إلى تحسين أداء النماذج اللغوية الكبيرة في الاستنتاج على اختبارات الرياضيات والعلوم والتكنولوجيا والهندسة والرياضيات مقارنة بطريقتي PPO وGRPO القياسيتين.
تقدم هذه الورقة إطار عمل لا يعتمد على التوزيع، يعمل في العينات المحدودة، ويضع حدوداً عليا متزامنة وعالية الاحتمالية لنسبة الاكتشافات الخاطئة لجميع عتبات الرفض الممكنة في الاستدلال التوافقي، مما يتيح اختياراً مرناً لاحقاً مع توفير ضمانات أكثر إحكاماً من الطرق الحالية.