24235 ورقة بحثية
تقدم هذه الورقة نهجاً جديداً لتحليل البيانات الطوبولوجية يستفيد من ترشيحات الدورات غير الوترية والتعلم الآلي لتقدير البعد الزائدي الكامن للشبكات المعقدة بشكل قوي، مما يتيح النمذجة الفعالة والتمثيل منخفض الأبعاد دون الحاجة لإعادة التدريب على البيانات الواقعية.
تُثبت هذه الورقة أن نماذج الرؤية واللغة المضبوطة بدقة، وتحديداً نسخة من LLaMA 3.2، تتفوق على الشبكات العصبية التلافيفية التقليدية ونماذج المحولات المقتصرة على الرؤية في تصنيف تفاعلات النيوترينو في فيزياء الطاقات العالية، وذلك من خلال تحقيق دقة ومتانة وقدرة أعلى على التفسير عبر الاستدلال متعدد الوسائط.
تقدم هذه الورقة UXPID، وهي مجموعة بيانات اصطناعية مكونة من 7,130 فرعًا من ملاحظات المستخدمين مجهولة المصدر من منتديات صناعية، تم وسمها بواسطة النماذج اللغوية الكبيرة لدعم الأبحاث في تحليل تجربة المستخدم، واستخراج المتطلبات، ومعالجة الملاحظات المدفوعة بالذكاء الاصطناعي مع معالجة قيود الخصوصية والترخيص.
لمعالجة أوجه القصور في المعايير المرجعية الحالية الناتجة عن تلوث البيانات وتسربها، يقدم المؤلفون Fidel-TS، وهو معيار مرجعي جديد متعدد الوسائط، عالي الدقة وواسع النطاق، مصمم لتوفير تقييمات أكثر دقة وموثوقية لنماذج التنبؤ بالسلاسل الزمنية.
تقترح هذه الورقة إطاراً موحداً ذا أساس نظري يحدد شروط التكرار القابلة للتحقق تجريبياً لتمكين تخطي الطبقات بشكل منهجي في نماذج الرؤية واللغة، مما يؤدي إلى تحسين كفاءة الاستدلال دون التضحية بالأداء.
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.