23200 ورقة بحثية
تقدم هذه الورقة ViaMOBO، وهو إطار عمل عام للتحسين البايزي متعدد الأهداف عالي الأبعاد يستفيد من تحليل التفاعل بين المتغيرات لتفكيك فضاء القرار إلى فضاءات فرعية قابلة للفصل من أجل التحسين المحلي، مما يؤدي بالتالي إلى التفوق على الطرق الحالية في تقريب جبهات باريتو للمشكلات ذات الصندوق الأسود المكلفة.
تتقصى هذه الورقة مشكلة "عدم تطابق لغة الوسيط" (Argument Language Mismatch) في النماذج اللغوية الكبيرة متعددة اللغات عند استدعاء واجهة برمجة التطبيقات (API)، وتُثبت أن الضبط الدقيق الخاضع للإشراف (supervised fine-tuning) يعمل كخط أساس قوي لضمان اتساق لغة الوسيط، بينما لا يقدم التعلم التعزيزي (reinforcement learning) سوى تحسينات تدريجية تتركز أساساً في جوانب التعميم والموازنات متعددة الأهداف.
تقدم هذه الورقة إطاراً جديداً للتماثلات التناسبية بين التوزيعات الاحتمالية من خلال تعريف علاقتها عبر التحديث البايزي، وهو مفهوم تم التحقق من صحته لأعضاء العائلة الأسية وقابل للتمديد ليشمل التوزيعات التعسفية عبر تقريبات الخليط الغاوسي.
تقدم هذه الورقة Harness-IF، وهو معيار مرجعي جديد يقيم قدرات اتباع التعليمات الحقيقية لوكلاء البرمجة عبر أسطح متنوعة من خلال التمييز بين الامتثال الحقيقي والمصادفة باستخدام مقياس جديد يسمى دقة المناهضة للمسبقات (AP-Acc)، مما يكشف أن المعايير المرجعية الحالية تبالغ في تقدير الأداء وأن أولوية القواعد لا تتبع بدقة عمق المطالبة.
تقدم هذه الورقة إطار عمل غير جراحي للتحقق من ملكية نماذج الانتشار من النص إلى الصورة عبر الاستفادة من "التوليد المنهار"، وهي ظاهرة خاصة بالنموذج حيث تؤدي ظروف مدخلات معينة باستمرار إلى إنتاج صور متطابقة عبر بذور عشوائية مختلفة، مما يتيح كشف الملكية بشكل موثوق في كل من بيئات الصندوق الأبيض والصندوق الأسود دون الحاجة إلى علامات مائية جراحية.
تقدم هذه الورقة أول تفكيك لعملية استثارة الكيوبت المزدوج باستخدام 12 بوابة CNOT، محققةً أداءً هو الأفضل في فئته من خلال تقليل عدد بوابات CNOT، وعمق بوابات CNOT، والعمق الإجمالي للدائرة، مع الحفاظ على عدد بوابات أحادية الكيوبت قريب من المثالي.
تُثبت هذه الورقة أن التخصيص الديموغرافي الضمني في النماذج اللغوية الكبيرة مدفوع بإشارات تنشيط داخلية موضعية يمكن تحديدها، والتحكم فيها سببياً، وإزالتها انتقائياً لكبح المخرجات المتحيزة مع الحفاظ على الأداء العام للنموذج.
تعالج هذه الورقة البحثية التقييم المجزأ لفهم صور الطائرات بدون طيار من خلال تقديم UAVQA-Bench، وهو معيار شامل يكشف عن أنماط الفشل الرئيسية في النماذج الحالية، وتقترح UAV-MAS، وهو نظام متعدد الوكلاء لا يتطلب تدريباً يتفوق بشكل كبير على النماذج الرائدة من خلال آليات الإدراك المتخصص، والتحسين التكراري، والبحث التكيفي.
تقترح هذه الورقة نظام HyperANFIS، وهو نظام استنتاج ضبابي عصبي تكيفي مبتكر يسخر الهندسة الزائدية لتعزيز تمثيل القواعد، والتعاون بين القواعد، ودقة التنبؤ، مع الحفاظ على قابلية التفسير لنماذج ANFIS التقليدية.
تُثبت هذه الورقة أنه في حين أن ضغط السياق القائم على الجوهر يحسن الاستدلال متعدد الخطوات واسترجاع الحقائق في الوكلاء اللغويين ذوي الأفق الطويل، إلا أنه يضعف بشكل كبير الإجابة على الأسئلة الزمنية من خلال التخلص من تواريخ وأوقات محددة، وهو عجز يمكن معالجته بدقة عبر تعديل بسيط في التوجيه للحفاظ على التعبيرات الزمنية.