24135 ورقة بحثية
تقدم هذه الورقة البحثية خوارزمية PRPO، وهي خوارزمية تعلم تعزيزي على مستوى الفقرة، ومجموعة بيانات مقابلة موسومة بالاستدلال، تعمل بشكل كبير على تعزيز دقة وقابلية تفسير النماذج اللغوية الكبيرة متعددة الوسائط في كشف التزييف العميق من خلال مواءمة استدلالها النصي مع الأدلة المرئية.
إن ThinKV هو إطار عمل لضغط ذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache) يتكيف مع الأفكار، حيث يستفيد من تشتت الانتباه لتطبيق استراتيجيات هجينة للكمية والاستبعاد، مما يمكّن نماذج الاستدلال الكبيرة من تحقيق دقة تقارب عدم الفقد مع استخدام أقل من 5% من الذاكرة الأصلية، مع تعزيز إنتاجية الاستدلال بمقدار يصل إلى 5.8 ضعفاً.
تقترح هذه الورقة طريقة تحسين للطبقة الأخيرة ذات صيغة مغلقة تعامل أوزان الطبقة النهائية كدالة لمعلمات العمود الفقري، مما يتيح مخطط تحسين تبادلي يتقارب بكفاءة في نظام نواتج مماس الأعصاب ويتفوق على خوارزميات SGD وAdam القياسية في مهام انحدار خسارة المربعات.
تقدم هذه الورقة معياراً مضبوطاً وبيئة اختبارية (sandbox) لتقييم تعديل النماذج في النماذج اللغوية الكبيرة الخاصة بالبرمجة (code LLMs) في ظل تحديثات واجهات برمجة التطبيقات (API)، كاشفةً أن طرق التعديل الحالية تواجه صعوبة في تعميم عمليات نقل واجهات برمجة التطبيقات الصحيحة إلى المهام غير المرئية، وغالباً ما تعتمد على حلول مؤقتة، وتعاني من تدهور حاد في الأداء وتداخل عند تطبيقها بشكل متتالٍ.
تقترح هذه الورقة مُحسِّنًا بايزيًا متعدد الأهداف بارامتريًا جديدًا يعمل على تقليل تكاليف التحسين عبر معلمات المهام المستمرة من خلال تعلم نموذج عكسي عبر أخذ عينات حلول توليدية متبادلة والبحث المدفوع بالاستحواذ، مما يتيح التنبؤ المباشر بالحلول المثلى لباريتو للمشكلات غير المرئية دون الحاجة إلى عمليات إعادة تقييم مكلفة.
تقدم الورقة البحثية FMPlug، وهو إطار عمل إضافي يعزز نماذج مطابقة التدفق التأسيسية للمشكلات العكسية من خلال الجمع بين استراتيجيات بدء التشغيل الدافئ الموجهة بالنماذج المحددة وبين تنظيم غاوسي، مما يطلق العنان لإمكاناتها كأدوات سابقة عالمية عملية وعالية الأداء.
تقترح هذه الورقة إطار عمل غير مقيد بنوع المتنبئ يستخدم معادلة تفاضلية عصبية محكومة كمصحح للحد من تراكم الخطأ في التنبؤ بالسلاسل الزمنية متعدد الخطوات، مما يوفر ضمانات نظرية وأداءً محسناً عبر نماذج متنوعة مستمرة ومتقطعة على بيانات ذات عينات غير منتظمة.
تقدم الورقة البحثية آلية "الانتباه الخطي للتدفق الدقيق" (EFLA)، وهي آلية فعالة من حيث المعلمات تستبدل التجزئة الإقليدية لقاعدة دلتا في الانتباه الخطي بحل مغلق دقيق مستمد من ديناميكيات الزمن المستمر، مما يؤدي إلى تحسين الاستقرار والأداء دون التضحية بالكفاءة الحسابية.
تقترح الورقة البحثية نموذج DT-PBO، وهو نموذج بديل قائم على الأشجار وقابل للتفسير لعملية التحسين البايزي التفضلي (Preferential Bayesian Optimization)، والذي يحقق أداءً تنافسياً ومتانة مع توفير رؤى شفافة حول تفضيلات صانع القرار، مما يعالج قيود التفسير في النهج التقليدية القائمة على العمليات الغاوسية (Gaussian Process).
تقترح هذه الورقة طريقة ترميز قائمة على مرشح بلوم (Bloom filter) تقوم بتحويل أنواع البيانات المتنوعة إلى مصفوفات بت ثابتة الطول ومدمجة لتقليل استخدام الذاكرة وتعمية القيم الأصلية، مما يثبت أن نماذج تعلم الآلة المدربة على هذه التمثيلات تحقق أداءً مقارباً لتلك التي تستخدم البيانات الخام أو تقنيات تقليل الأبعاد القياسية.