23200 ورقة بحثية
تقدم هذه الورقة DSAgentBench، وهو أول معيار مصمم لتقييم قدرة وكلاء الذكاء الاصطناعي على أتمتة سير عمل علم البيانات من البداية إلى النهاية ضمن بيئات حاسوبية حقيقية، مما يكشف عن فجوة أداء كبيرة حيث تواجه حتى أقوى النماذح صعوبة في تنسيق الأدوات والاستنتاج متعدد الخطوات.
تتقصى هذه الورقة كيف يؤثر تكييف الشخصية (persona conditioning) على تقييم استرجاع المعلومات القائم على النماذج اللغوية الكبيرة، كاشفةً أنه في حين تؤثر أدوار المقيم المحددة وسعة النموذج بشكل كبير على صرامة الحكم واستقرار الترتيب المحلي، فإن النماذج ذات السعة العالية تحافظ عمومًا على ترتيبات الأنظمة الإجمالية، مما يجعل من التقييم المشروط بالشخصية أداة تشخيصية محكومة لاختبار إجهاد مسارات تقييم استرجاع المعلومات.
تحدد هذه الورقة أوضاع الفشل الشائعة في وكلاء البحث الذاتي المطبقين على مجموعات البيانات الجدولية، مثل التصحيح البرمجي الزائد وضعف الاستكشاف، وتثبت أن تدخلات التصميم الوكيل المستهدفة يمكن أن تستعيد بشكل كبير الحوسبة المهدرة وتعزز الأداء دون تغيير النموذج اللغوي الأساسي.
تؤسس هذه الورقة سير عمل هجينًا يجمع بين الذكاء الاصطناٍعي والبشري لاستنباط قواعد مجموع السببية مباشرة من مصفوفات التشتت التقليدية عبر تعريف مصفوفة متأخرة النطاق، مما يتيح حدودًا جديدة على الكميات القابلة للقياس مثل فقد الإدراج ويمدد نظرية السببية الأساسية لتشمل البيانات التجريبية دون تحويلات مساعدة.
تجمع هذه الورقة البحثية نتائج 161 دراسة تجريبية على مدار ست سنوات لتقديم نظرة شاملة حول التقدم، والاحترافية، والتحديات المستمرة في ممارسات الذكاء الاصطناعي المسؤول داخل قطاع التكنولوجيا.
تقدم هذه الورقة البحثية "الانتشار التفاعلي المستمر" (CID)، وهو بنية مبتكرة تدمج تفاعلات الأدوات غير المتزامنة مباشرة في عملية إزالة الضجيج التكرارية لنماذج لغة الانتشار، وذلك لتمكين التعرض المبكر للأدلة، وتداخل زمن انتقال الأدوات مع الحوسبة، وتقليل العمل الخارجي الزائد، رغم تركيزها حالياً على الصياغة النظرية دون ادعاءات حول الأداء التجريبي.
تقترح هذه الورقة إطار عمل REAM، وهو إطار عمل جديد لدمج النماذج لا يتطلب تدريباً، يقوم بدمج دقيق على مستوى رؤوس الانتباه لنماذج اللغات الكبيرة ذات التفكير البطيء والتفكير السريع لتقليل الإسهاب في الاستنتاج بشكل كبير في أنظمة التوصية مع الحفاظ على دقة التوصية.
يعزز MD-ProTector الكشف عن النصوص المولدة بواسطة النماذج اللغوية الكبيرة (LLMs) من خلال توظيف نماذج أولية متعددة قابلة للتدريب لكل فئة ضمن فضاء تضمين المشفر، مسترشداً بخسارة تموضع النماذج الأولية المبتكرة لنمذجة تنوعات الكتابة المتنوعة بفعالية وتحقيق أداء فائق عبر مختلف المجالات واللغات ونماذج التوليد.
تقدم الورقة البحثية SALT، وهو أداة ترميز أفعال متوافقة دلالياً تعزز أهداف إعادة البناء القياسية بمهمة استرداد لغوية مساعدة للحفاظ على معلومات ربط الأفعال في التمثيلات الكامنة للأفعال، مما يحسن بشكل كبير من أداء التحكم في الروبوتات المشروط باللغة مقارنة بالنماذج المرجعية التي تقتصر على إعادة البناء فقط.
تقدم الورقة البحثية إطار INSIDE، وهو إطار لنمذجة الطلاب يعمل على ضبط النماذج اللغوية الكبيرة لتوليد كل من أفعال الطلاب وتفكيرهم الداخلي الكامن المستند إلى تصنيف بلوم، مما يحسن بشكل كبير من دقة المحاكاة ومواءمة الاستدلال مقارنة بطرق التلقين الحالية.