27276 ورقة بحثية
تقدم هذه الورقة إطاراً للتعلم الذاتي الإشراف المتمسك بخصائص المارتينجال (martingale-consistent)، والذي يفرض التماسك بين التنبؤات الخشنة والمُحسّنة في ظل الملاحظة الجزئية، مما يؤدي إلى تحسين متانة النموذج ومعايرته مقارنة بأهداف الثبات القياسية.
تقدم الورقة البحثية ZipRerank، وهو إعادة ترتيب متعدد الوسائط قائم على القوائم عالي الكفاءة يحقق دقة رائدة في مجالها على المستندات الطويلة مع تقليل زمن انتقال الاستدلال بشكل كبير من خلال إلغاء فك التشفير التوليدي واستخدام استراتيجية تدريب ثنائية المراحل.
تقدم الورقة البحثية IPI-proxy، وهي مجموعة أدوات مفتوحة المصدر تستخدم وكيل اعتراض (intercepting proxy) لإعادة كتابة استجابات HTTP ديناميكيًا من نطاقات مدرجة في القائمة البيضاء باستخدام مكتبة متنوعة من حمولات حقن الأوامر غير المباشرة (indirect prompt injection)، مما يتيح إجراء اختبارات اختراق واقعية وقابلة للتكرار لوكلاء الذكاء الاصطناعي المتصفحين للويب في بيئات شبيهة ببيئات الإنتاج دون الاعتماد على صفحات وهمية.
تُثبت هذه الورقة أن توسيع نطاق انتشار الصلة على مستوى الطبقة (LRP) ليشمل النماذج التأسيسية لتخطيط كهربية الدماغ (EEG) يتحقق بفعالية من عملية اتخاذ القرار لديها عبر كشف عيوب مثل سلوك "كليفر هانز" (Clever Hans)، ويولد فرضيات جديدة ذات صلة بيولوجية فيما يتعلق بأنماط نشاط الدماغ.
تقترح هذه الورقة آلية مبتكرة تجمع بين القيم شبه الكاملة ودالة تقييم بيانات صادقة تعتمد على مجموعة تحقق غير معروفة لضمان كل من العدالة التعاونية والصدق في التعلم البايزي بشكل مثبت، مما يمنع التلاعب بالبيانات مع مكافأة مصادر البيانات بشكل عادل.
تقدم الورقة البحثية "بروتيوس" (Proteus)، وهو إطار عمل للفريق الأحمر ذاتي التطور يثبت أن أنظمة فحص المهارات الحالية تستهين بشكل كبير بالمخاطر الأمنية من خلال الكشف عن كيفية قيام المهاجمين المتكيفين والقائمين على التغذية الراجعة بتجاوز عمليات التدقيق بشكل تكراري لإنشاء متغيرات مهارات قاتلة للوكلاء.
تقترح هذه الورقة مصنفاً هرمياً مدركاً للطوبولوجيا، HC-SOINN، مقترناً بطريقة محاذاة البنية والطوبولوجيا عبر البواقي (STAR)، للتغلب على قيود افتراضات الانهيار العصبي النقطي في التعلم التزايدي للفئات من خلال نمذجة ماني فولد الفئات المعقدة بفعالية والتكيف مع انزياح الميزات غير الخطي.
تُثبت هذه الورقة أن حقن متجهات التضمين العشوائية الخالية من التدريب في مدخلات النماذج اللغوية الكبيرة يعزز بفعالية أداء الاستدلال من خلال زيادة تنوع الرموز في المراحل المبكرة وتوسيع نطاق Pass@N، وهي آلية تُحسن كلاً من دقة الاستدلال ونتائج التدريب دون الحاجة إلى مطالبات ناعمة متعلمة.
تُظهر هذه الدراسة أنه في حين نجحت عملية التحسين البايزي ذات الحلقة المفتوحة في تحسين الكفاءة الديناميكية الهوائية بنسبة 10.9% من خلال التحكم في النفاث المستقر على جناح ذي رفع عالٍ من طراز 30P30N، فإن التعلم المعزز العميق ذو الحلقة المغلقة حقق مكاسب ضئيلة بسبب دالة مكافأة يهيمن عليها الجزاء مما حد من الاستكشاف.
تقيم هذه الورقة مدى فعالية النماذج اللغوية الكبيرة في التوليد التلقائي لمخططات الكيانات والعلاقات من المتطلبات المكتوبة باللغة الطبيعية، حيث وجدت أنها تؤدي بشكل ملائم في السيناريوهات البسيطة، إلا أن موثوقيتها تنخفض بشكل كبير مع زيادة التعقيد بسبب تصاعد التناقضات والأخطاء الدلالية، مما يشير إلى أنها ليست ناضجة بما يكفي بعد لنمذجة قواعد البيانات المعقدة دون تحقق واسع النطاق.