23200 ورقة بحثية
تقدم الورقة البحثية UI-Mate، وهو وكيل واجهة مستخدم رسومية (GUI) ذو أوزان مفتوحة يستفيد من حزمة تدريب قابلة للتوسع ومرتبطة بالبيئة، ومن تعلم العروض التوضيحية في السياق، لتحقيق أداء رائد في مهام استخدام الكمبيوتر طويلة المدى، مما يحسن بشكل كبير من الموثوقية ومعدلات النجاح مقارنة بنموذجه الأساسي.
تقترح هذه الورقة طريقة مبتكرة لتدريب أنظمة التوصية الحوارية تعمل على ضبط النماذج اللغوية الكبيرة لطرح الأسئلة بشكل استراتيجي باستخدام تقليل الإنتروبيا كإشارة مكافأة، مما يؤدي إلى تحسين دقة التوصية وكفاءة التفاعل دون الاعتماد على بيانات الحقيقة الأرضية غير المتوفرة.
تُثبت هذه الورقة أن نموذج الانتشار المنفصل القائم على المحولات، والذي تم تدريبه حصرياً على هدف إكمال البلاطات المحلية دون أي وصول إلى حلال أو تسميات قابلية الحل، يمكنه توليد ألغاز سوكوبان قابلة للحل بفعالية من خلال استغلال قدرته على التكيّف مع مجموعات فرعية عشوائية من اللوحة، مما يسمح بالتقاط التفاعلات غير المحلية الضرورية لتعقيد لعبة سوكوبان الذي ينتمي لفئة PSPACE-complete.
تقدم الورقة البحثية ALPS، وهو معيار مرجعي جديد يقيس بصرامة الإبداع الصالح في النماذج اللغوية الكبيرة من خلال تكليفها بتوليد براهين أو إنشاءات رياضية أصيلة وقابلة للتحقق لقوانين معادلات مُنشأة عشوائياً، مما يكشف أن النماذج الحالية تعاني بشكل كبير في جانب الإنشاء وأن معظم الحالات تظل دون حل حتى من قبل المبرهنات الآلية المتقدمة.
تقدم هذه الورقة البحثية RUPA، وهو إطار عمل لتقدير عدم اليقين على مستوى المسار، يقوم بنمذجة سجلات التنفيذ كرسوم بيانية موجهة لنشر عدم اليقين عبر التبعيات العلاقاتية، مما يتفوق بذلك على الأساليب الحالية في اكتشاف تراكم الأخطاء بعيد المدى وتحسين موثوقية وكلاء النماذج اللغوية الكبيرة (LLM) في البيئات التفاعلية المعقدة.
تُثبت هذه الورقة أنه عندما يعمل مُحقِّق النموذج اللغوي ضمن سياق يحتوي على حلقة مراجعة وإصلاح سابقة، فإن عتبة اتخاذ القرار لديه تنزاح بشكل ملحوظ نحو التساهل، مما يقلل من الإنذارات الكاذبة بنسبة تتراوح بين 9 و25% دون المساس بقدرته على التمييز بين المخرجات الصحيحة والخاطئة.
تقدم هذه الورقة NICE، وهو إطار تفسيري مبتكر للشبكات العصبية الرسومية يستبدل عملية "القناع العنصري" (Element-wise Masking) المسببة لإزاحة التوزيع بـ "فساد الضجيج" (Noise Corruption) المستقر قياسياً للقضاء على "انزياح المقياس" (Scale Drift) وتوليد نسب حواف أكثر دقة عبر "حد استعادة عشوائي" (Stochastic Restoration Boundary).
تقدم هذه الورقة "Fiducia-bench" لتثبت أن تفكيك وكلاء الذكاء الاصطناعي إلى مكونات متعددة يؤدي بشكل كبير إلى تدهور الامتثال للسياسات من خلال إضعاف الحقائق الجوهرية عند حدود تسليم المهام، مما يؤدي إلى مخاطر كل من نقص التصعيد والإفراط فيه والتي تتباين باختلاف قدرة النموذج وبنيته.
تقدم هذه الورقة البحثية طريقة CAPO، وهي طريقة لتحسين الأوامر البرمجية (prompt optimization) تراعي القيود وتستخدم نهجاً ثنائياً أولياً (primal-dual approach) مع أوزان قيود تكيفية لتحسين الأوامر البرمجية لأنظمة وكلاء النماذج اللغوية الكبيرة (LLM agent systems) بفعالية من أجل أداء المهام مع الالتزام بالقيود التشغيلية مثل السلامة والتنسيق، إلى جانب نسخة ديناميكية (DCAPO) تقوم بتدريب مُعيد صياغة متخصص لتحقيق أوامر برمجية قابلة للتنفيذ وعالية الأداء عبر مجالات متنوعة دون تعديل وكيل المهمة الأساسي.
تقدم هذه الورقة البحثية طريقة "إعادة وزن الميزة الواعية بالتشبع لتحسين السياسات متعددة المكافآت" (SA-MRPO)، وهي طريقة مبتكرة تعمل على توحيد معايير أهداف مكافآت متعددة بشكل مستقل وإعادة وزنها تكيفياً بناءً على مستويات تشبعها لنقل تركيز التحسين ديناميكياً نحو الأهداف غير المحسنة كفاية، مما يؤدي إلى تحسين الأداء بشكل كبير في الاختبارات المعيارية الصعبة مع الحفاظ على الكفاءة في المهام التي تم حلها بالفعل.