23200 ورقة بحثية
تحدد هذه الورقة البحثية إعادة الاستخدام ما بعد الاسترجاع كعائق حاسم لذاكرة الوكيل طويلة الأمد، وتقدم "إعادة الاستخدام المشروطة بالاستعلام" (QCR)، وهو تنسيق ملاحظات مرتبط بالهدف يتفوق بشكل كبير على حقن المسار الكامل من خلال تحقيق معدلات نجاح أعلى بعدد أقل من الرموز مع التكيف بفعالية مع ظروف المهام المتغيرة.
تقيّم هذه الورقة البحثية قانون حماية المستهلك الهندي لعام 2019 بوصفه إطاراً قابلاً للتطبيق المحتمل ولكنه غير كافٍ للأضرار المتعلقة بالذكاء الاصطناًعي، مع تسليط الضوء على الفجوات الحرجة في إثبات السببية وتخصيص المسؤولية عبر سلسلة قيمة الذكاء الاصطناعي المعقدة والمتداخلة.
تُثبت هذه الورقة أن تنظيم الحدة العالمي (global sharpness regularization) غير مثالي للدوائر الاحتمالية (Probabilistic Circuits) بسبب بنية الانحناء التركيبية الخاصة بها، وتقترح منظماً تكيفياً مستهدفاً محلياً يحافظ على تحديثات خوارزمية التوقع والتعظيم (EM updates) ذات الصيغة المغلقة مع استعادة أداء التعميم.
تقدم هذه الورقة إطار عمل "توطين الذاكرة التنبؤي" (PML)، الذي يحول توطين الذاكرة إلى توقع قابل للتفنيد لمسارات تدخل انتقائية، مما يتيح اتخاذ قرارات واعية بالمخاطر تزيد من النتائج المستهدفة إلى أقصى حد مع تقليل الضرر الدلالي وتجنب عمليات المسح الشاملة للقوة عبر مجموعات بيانات ونماذج متنوعة.
تُثبت هذه الورقة أن الافتراض القياسي للاستقلالية في موثوقية الوكلاء المتعددين معيب بشكل خطير بسبب معدلات الفشل المشترك العالية الخاصة بالنماذج، وتقترح طريقة اعتماد صالحة ذات عينة محدودة باستخدام البرمجة الخطية على العزوم المشتركة تتجنب عثرات كل من افتراضات الاستقلالية ونماذج التبعية الملائمة غير الموثوقة.
تقدم هذه الورقة معيارًا بولنديًا لأسئلة الإجابة البصرية الطبية المستمدة من امتحانات شهادات التخصص، وتكشف أن نماذج الرؤية واللغة الحالية لا تستغل الأدلة البصرية بشكل كافٍ، حيث تعتمد غالبًا على الإشارات النصية وخيارات الإجابة أكثر من اعتمادها على الصور الفعلية لحل المهام.
يُعد FlashDrive إطار عمل للتصميم المشترك بين الخوارزمية والنظام يعمل على تحسين أربعة اختناقات حوسبية في نماذج الرؤية واللغة والعمل (Vision-Language-Action) للقيادة الذاتية في آن واحد، محققاً خفضاً في زمن الاستجابة بمقدار 4.7 ضعفاً (من 717 مللي ثانية إلى 151 مللي ثانية) لنموذج بـ 10 مليارات معلمة مع الحفاظ على الدقة أو تحسينها لتمكين النشر في الوقت الفعلي.
تقدم هذه الورقة إطار عمل DECAF، وهو إطار عمل مبتكر يعمل على تفكيك تفسيرات النماذج القائمة على الاضطراب إلى مكونات متميزة تشمل الأدلة، والتناقض، والهشاشة، مما يثبت أن هذا النهج المدرك للمسار يتفوق بشكل كبير على طرق الإسناد التقليدية القائمة على المقدار من حيث الدقة، والكفاءة، وقابلية التفسير عبر مهام الرؤية والبيانات الجدولية المتنوعة.
تُثبت هذه الورقة أن إخفاقات التخطيط طويل المدى في نماذج العالم الكامنة لا تنبع من عدم دقة التنبؤات، بل من دالة هدف معيبة تُسيء تفسير المسافات الكامنة، وهو قصور يمكن معالجته باستبدال الهدف لإعطاء الأولوية للقابلية للوصول بدلاً من القرب دون إعادة تدريب النموذج.
تقدم هذه الورقة Moose، وهي طريقة عصبية-رمزية تقوم بتجميع أنطولوجيات إلى مخططات قرار جملية قابلة للتفاضل لتمكين أول تعلم مفاهيمي كامن مدرك لاختصارات الاستدلال تحت الإشراف الجزئي، متفوقة بذلك على النماذج المرجعية الحالية في المهام القائمة على الأنطولوجيا.