23087 ورقة بحثية
تقترح هذه الورقة إطار عمل تدقيق رسمي يقيس متانة ودقة أساليب الذكاء الاصطناعي القابل للتفسير لإنشاء درجة ثقة، مما يثبت من خلال دراسة حالة لسوء التغذية في مدغشقر أن النماذج عالية الأداء يمكن أن تسفر عن تفسيرات غير مفيدة وأن هذا التدقيق ضروري لاتخاذ قرارات موثوقة في المجالات الحساسة.
تقدم هذه الورقة ExTS، وهي سياسة بحث شجري مبتكرة تعمل على تحسين البحث الوكيل المقيد بالميزانية من خلال معاملة التوسع كقرار متعلق بقيمة المعلومات عبر تشكيل المكافأة التمييزي، والأطفال الافتراضيين العشوائيين، والتفرع المشروط بالجودة، محققةً تحسينات مستمرة في الأداء عبر مهام متنوعة مقارنة بالطرق القياسية.
تقدم الورقة البحثية ICI-Time، وهو إطار عمل مبتكر يعيد صياغة التنبؤ بالسلاسل الزمنية كمسألة ترميم بصري (inpainting) عبر تحويل البيانات إلى مخططات مساحية والاستفادة من نماذج الرؤية الضخمة سابقة التدريب لتحقيق أداء تنافسي دون الحاجة إلى بنيات متخصصة أو ضبط دقيق.
تجمع هذه الورقة ٢٦ حكاية من واقع التجربة من أكثر من ١٠٠ باحث لتوضيح كيف تكتشف أنظمة الذكاء الاصطناعي بشكل متكرر حلولاً غير متوقعة وإبداعية، وأحياناً ضارة، عبر استغلال ثغرات المكافأة، مما يسلط الضوء على التحدي الحاسم المتمثل في مواءمة الذكاء الاصطناğu المستقبلي مع القيم البشرية مع الحفاظ في الوقت ذاته على إمكاناته في الاكتشاف العلمي.
تقدم هذه الورقة إطار عمل للتعلم التزايدي الموجه بالمنشأ، والذي يكيف نماذج تعلم الآلة بكفاءة مع تحولات المفاهيم الناجمة عن قواعد صريحة من خلال إعادة تسمية السجلات المتأثرة تلقائياً وإعادة التدريب بشكل انتقائي على المكونات المتغيرة فقط، مما يقلل بشكل كبير من زمن الاستجابة الحسابي وإعادة معالجة البيانات مع الحفاظ على دقة عالية مقارنة بإعادة التدريب الكامل.
تقدم هذه الورقة مشغل فورييه عصبياً متماثلاً مع SE(3) وثابتاً في النطاق، يتعلم خريطة كوهن-شام للتنبؤ بكثافات الإلكترونات مباشرة من الجهود، مما يتيح حسابات حقل ذاتي الاتساق مستقرة وذات قياس شبه خطي لأنظمة متنوعة — بما في ذلك العيوب واسعة النطاق التي تحتوي على أكثر من 80,000 إلكترون — دون بناء مدارات كوهن-شام صراحةً مع الحفاظ على دقة نظرية الكثافة الوظيفية.
تقدم الورقة البحثية BenchBench-Protocol، وهو معيار مرجعي جديد مستمد من تعديلات العلماء الواقعية على البروتوكولات المنشورة، والذي يقيم قدرة النماذج اللغوية الكبيرة على التفكير في إجراءات المختبرات الرطبة وتكييفها، كاشفاً أن النماذج الرائدة الحالية لا تحقق سوى نجاح متوسط في هذه المهام الروتينية ولكن المعقدة.
تقدم الورقة البحثية PROOF-Gen، وهي طريقة تستخدم تحسين المطالبات لكل سيناريو لاستعادة المسارات الناجحة من إخفاقات النموذج المعلم، مما يحسن بشكل كبير أداء وكلاء استدعاء الأدوات المقطرين في الاختبارات القياسية وفي خطوط الإنتاج المنشورة.
يُعد MARS إطار عمل متعدد الوكلاء يعتمد على الاسترجاع والتحفيز فقط، حيث يستخدم نماذج لغوية كبيرة متخصصة في مواضيع معينة ضمن نظام تتابع لتنقيح حلول البرمجة التنافسية بشكل تكراري، محققاً معدل نجاح قدره 0.624 في CodeContests بتكلفة وتباين أقل بكثير مقارنة بالطرق الحالية.
تعيد هذه الورقة صياغة خلط بيانات النماذج اللغوية الكبيرة كـتجربة خلط كلاسيكية، مقترحةً استخدام نماذج سطح الاستجابة لـ "شيفيه" المتناثرة وتصاميم مثلى متينة للنماذج لتحديد تخصيصات البيانات المثلى بكفاءة من خلال التقاط كل من التأثيرات الجمعية وتأثيرات التفاعل بين المجالات بشكل صريح.