23200 ورقة بحثية
يمدّد DeepInsight II إطار التقييم الموحد لسلفه ليشمل طبقة الذكاء الاصطناي المجسد عبر قياس أداء الملاحة، والتلاعب، والتحكم في كامل الجسم عبر تجارب المحاكاة والروبوتات الحقيقية، مما يؤسس مسار تشخيص مستمر وموجه للإصلاح يجسّر الفجوة بين المحاكاة والواقع من خلال هويات تتبع مشتركة.
تقدم هذه الورقة CUBICS، وهو إطار عمل سياقي معياري يستفيد من المنطق الذاتي لتقسيم النطاقات التشغيلية إلى مواقف وتحديث الضمانات الاحتمالية الخاصة بكل موقف، مما يمكّن مكونات تعلم الآلة ذات الصلة بالسلامة من استخلاص تقديرات المخاطر الإجمالية من بيانات ميدانية دون الاعتماد على نماذج إحصائية أحادية متجانسة غير كافية.
تُدافع هذه الجزئية الأولى من أطروحة التأهيل التراكمي عن الدوائر الاحتمالية كإطار عمل قابل للمعالجة للاستدلال والتعلم في الذكاء الاصطناعي تحت ظروف عدم اليقين، حيث تجمع بين عقد من الأبحاث حول نظرياتها التأسيسية، وخوارزميات التعلم الخاصة بها، وتطبيقاتها القابلة للتوسع، وتكاملها مع نماذج التعلم العميق والرمزي.
تُثبت هذه الورقة أن السلوك الجماعي لأكثر من 10,000 وكيل ذكاء اصطنا-عي متفاعل عبر مجتمعات متنوعة يمكن التنبؤ به وتفسيره بدقة من خلال صياغة الميكانيكا الإحصائية، مما يكشف عن ثلاثة أنظمة ديناميكية متميزة (اللامبالاة، والاستقطاب، والإجماع) مدفوعة بميل الوكلاء لتقليل الضغط الاجتماعي.
تقترح هذه الورقة إطار عمل للتعلم ذاتي الإشراف متوافق مع التدهور باستخدام نموذج CNN-GRU ومهمة تمهيدية لترتيب الدورة، وذلك لتمكين التقدير الدقيق والقوي لحالة صحة بطارية ليثيوم أيون حتى عند التدريب على بيانات مصنفة شحيحة للغاية وغير موزعة بانتظام.
تُعد Palmyra x6 نموذجاً لغوياً وكيلياً موجهاً للمؤسسات، يحقق أداءً هو الأفضل في فئته على معايير استخدام الأدوات من خلال نهج تدريب لاحق محافظ ومنضبط باستخدام الضبط الدقيق الخاضع للإشراف والمثبّت على مجموعة بيانات مدمجة ومحققة.
تقترح هذه الورقة إطار عمل لجدولة الإنتاج الديناميكي في أرضية المصنع لمصنع ذكي مدعوم بتقنية تحديد الهوية بموجات الراديو (RFID)، والذي يستفيد من البيانات الآنية لقياس حالات عدم اليقين التشغيلية ويستخدم نهج التعلم التعزيزي العميق، حيث أظهرت نتائج المحاكاة تفوقه على طرق التوزيع التقليدية مثل "الوارد أولاً يُصرف أولاً" (FIFO)، و"الوارد أخيراً يُصرف أولاً" (LIFO)، وخوارزمية (DQN) القياسية في تقليل زمن إنجاز العمل (makespan).
تقدم هذه الورقة دراسة مقارنة عبر ستة معايير وأربعة نماذج تُظهر أنه في حين أن التفسيرات باللغة الطبيعية تعزز بشكل عام أداء التعلم داخل السياق، إلا أن فعاليتها تتباين بشكل كبير بناءً على مصدر التفسير (حيث تضاهي النماذج اللغوية الكبيرة الخارجية غالباً المبررات البشرية) واستراتيجية الاختيار، ولا سيما كشفها عن أن التصفية القائمة على الإخلاص تؤدي إلى نتائج غير متسقة وأن مقاييس الإخلاص المختلفة يمكن أن تؤدي إلى استنتاجات متباينة.
تُظهر هذه الورقة أن المقاييس التجميعية القياسية مثل درجات F1 يمكن أن تكون مضللة في الكشف عن الأخطاء السريرية، حيث إنها غالبًا ما تحجب ضعف أداء التمييز الزوجي والتحيزات اللغوية في النماذج اللغوية الكبيرة، مما يستلزم اعتماد طرق تقييم زوجية من أجل تطبيقات سريرية أكثر أمانًا.
تقدم هذه الورقة البحثية "Reconstruction" (إعادة البناء)، وهو معيار تقييم أعمى صُمم لاختبار ما إذا كان بإمكان النماذج اللغوية استعادة الأفكار البحثية الجوهرية للأوراق المنشورة باستخدام مراجعها السابقة للنشر فقط، مما يكشف أنه في حين تحقق النماذج الفردية نجاحًا متواضعًا، فإن خط إنتاج متعدد الوكلاء يجمع بين المراجعة عبر النماذج واختيار البطولة يحسن معدلات الاستعادة بشكل كبير لتصل إلى 23-42%.