23200 ورقة بحثية
تقترح هذه الورقة طريقة T3L-DS، وهي طريقة جدولة موزعة ثلاثية الطبقات مدفوعة بالمهام، تعالج بفعالية جدولة مراقبة الطوارئ الديناميكية في كوكبات المدار الأرضي المنخفض (LEO) الكبيرة من خلال تحقيق تغطية فائقة للطوارئ وتقليل تعطيل الخطط الروتينية مقارنة بالنهجين الموزع والمركزي الحاليين.
تقدم الورقة البحثية CEDAR-GRPO، وهو إطار عمل للتعلم التعزيزي المدرك للعملية يعزز الاستدلال الاستنباطي العام في النماذج اللغوية الكبيرة من خلال الجمع بين صحة الإجابة النهائية ومكافآت الاستنباط، محققاً مكاسب أداء كبيرة عبر 11 مهمة غير مرئية مقارنة بكل من النماذج الأساسية والتدريب القائم على الصحة فقط.
تجادل هذه الورقة بأن الاستدلال السريري الطولي القابل للمساءلة يتطلب الانتقال من سياقات النصوص المولدة العابرة إلى تمثيلات حالات المرضى المستمرة والمحكومة، مقترحةً إطاراً مفاهيمياً يميز بين خمسة كائنات سريرية مختلطة ويحدد أربعة متطلبات معلوماتية لتحويل "الذكاء الاصطناعي القابل للمساءلة" من مجرد شعار إلى نظام قابل للتدقيق.
تقدم هذه الورقة MT-InfoSeek، وهي مجموعة تقييم مضبوطة تُظهر أنه بينما تستطيع النماذج اللغوية الكبيرة إدراك الحاجة إلى معلومات إضافية في المهام متعددة الأدوار غير محددة المواصفات، إلا أنها تقلل بشكل منهجي من مقدار المعلومات المطلوبة، وتفشل في تحديد الاستعلامات الدنيا الكافية، وتواجه صعوبة في ترتيب الاستعلامات، مما يكشف عن فجوة متميزة بين قدراتها في البحث عن المعلومات ومقاييس التقييم الحالية.
تُظهر هذه الورقة أن النسب الأكاديمي يؤثر بشكل كبير على أسلوب الكتابة، حيث يبدي المشرفون وطلابهم (وكذلك الأشقاء الأكاديميون) تشابهاً أسلوبياً أعلى بكثير من الأقران العشوائيين، مما يؤدي إلى معدل مرتفع من أخطاء الخطأ في النسبة في أنظمة كشف التأليف التي تفشل في مراعاة هذه السمات الأسلوبية الموروثة.
تقدم هذه الورقة البحثية نهجاً للتعلم التعزيزي غير المتصل الذي يستفيد من 1.5 مليار سجل تاريخي لحل الألغاز من قبل المستخدمين لتوليد واختيار ألغاز شطرنج عالية الجودة وفعالة تربوياً بشكل تلقائي، مما يظهر تحسينات ملحوظة في نمو التعلم للاعبين المبتدئين الذين يعانون من ركود في التقدم.
تقدم هذه الورقة DDBench، وهو معيار مرجعي جديد يتكون من 60 خطأً برمجياً تاريخياً من 13 نظاماً موزعاً، لتقييم وكلاء البرمجة القائمين على النماذج اللغوية الكبيرة، وتُظهر أنه في حين أن سياق تصحيح الأخطاء المحدود يحسن معدلات نجاح الإصلاح بشكل كبير، فإن تصحيح الأخطاء الموزعة يكشف عن تحديات استدلالية متميزة وفوارق في الأداء بين النماذج تعجز المعايير المرجعية أحادية العملية عن رصدها.
تقدم هذه الورقة JarvisBench، وهو معيار وإطار عمل مصمم لتقييم طبقة تنسيق انتباه تعمل باستمرار وتتوسط التفاعلات ثنائية الاتجاه بين المستخدمين البشر المتقطعين والوكلاء الذين يعملون بشكل مستمر لفترات طويلة عبر مهام متعددة الوكلاء متنوعة.
تثبت هذه الورقة تجريبياً أن "طوبولوجيا مساحة العمل" لبيئة المطور — والتي تشمل عوامل مثل عمق المجلدات، ونمطية الكود المصدري، وتأطير السياق — تؤثر بشكل كبير على معدل نجاح هجمات حقن الأوامر غير المباشرة ضد مساعدي البرمجة الوكيلين، حيث تعمل الهياكل عالية النمطية والإشارات الأمنية على تقليل الضعف بشكل ملحوظ.
تُدقق هذه الورقة في أسس قياس التنبؤ بالذكاء الاصطناعي الرائد وتجد أن الفجوات البيانية الحرجة، وعدم اتساق المعايير المرجعية، وتركيز المصادر، تقوض التنبؤات القائمة على الاتجاهات البسيطة، محاجةً بأن التنبؤات القابلة للدفاع عنها يجب أن تستند بدلاً من ذلك إلى أنظمة قياس صريحة ومُصَدَّرة ذات بروتوكولات وروابط شفافة.