23200 ورقة بحثية
تقيم هذه الورقة معايير "Financial Touchstone" المحدثة باستخدام عشرين نموذجاً، كاشفةً أن النماذج ذات الأوزان المفتوحة مثل "Kimi K2.6" يمكنها منافسة الأنظمة المملوكة في فهم النصوص المالية رغم استمرار اختناقات استرجاع المعلومات وسلوكيات الرفض الجيوسياسية غير المتسقة في النماذج الصينية.
تقدم هذه الورقة البحثية TdSciNER، وهو إطار عمل للتعلم متعدد المهام قائم على النوع يعزز التعرف على الكيانات المسماة العلمية من خلال تصفية أنواع الكيانات المرشحة، ودمج مهمة تصنيف مساعدة للحصول على تمثيلات أكثر ثراءً، واستخدام استراتيجية مبتكرة لاختيار النماذج التوضيحية لتحسين أداء النماذج اللغوية الكبيرة عبر مختلف المجالات العلمية.
يُعد LegoLM إطار عمل هيكلياً يعتمد على مشاركة الأوزان، يتغلب على إخفاقات عدم التطابق التوزيعي وهيمنة القيم المتطرفة الناتجة عن المشاركة العالمية للأوزان من خلال عمليات تكييف خالية من البيانات مثل ترميز الكتلة القياسي، والاستبدال الانتقائي المئوي، وحماية الطبقة الحدية، محققاً ضغطاً يقترب من فقدان المعلومات لـنماذج اللغات الكبيرة مع تفوق ملحوظ على طرق التقليم الكمي بعد التدريب (PTQ) بـ 8 بت الحالية.
تُظهر هذه الدراسة أن اختيار هيكلية الوكيل (agent scaffolding) له تأثير أكبر بكثير على تكلفة وموثوقية وكلاء البرمجة بالذكاء الاصطناعي من واجهة الأدوات الأساسية (MCP مقابل CLI)، مما يكشف أن دعم MCP غالباً ما يكون غير ضروري ويمكن أن يكون أكثر تكلفة بشكل ملحوظ من تنفيذ CLI المباشر.
تقدم الورقة البحثية UniSpace، وهو إطار عمل موحد متعدد الوسائط يتغلب على فقدان التفاصيل الدقيقة في المشفرات الرؤيوية الدلالية من خلال توظيف تقنية إعادة تمثيل الرقعة (Patch Reparameterization) المبتكرة، مما يمكّن نموذجًا واحدًا مجمدًا يعتمد على ViT من القيام في آن واحد بفهم الصور عالي الدقة، وتوليدها، وتحريرها دون الحاجة إلى مسار VAE منفصل.
تُعد RippleKV طريقة مبتكرة لتخصيص ذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache) عبر الطبقات، تعمل على تحسين استنتاج النماذج اللغوية الكبيرة ذات السياق الطويل من خلال قياس كيفية انتقال الاضطرابات في ذاكرة القيم لكل طبقة إلى المخرجات، مما يؤدي إلى توزيع ميزانية الذاكرة ديناميكيًا على الطبقات الحساسة بدلاً من الاعتماد على مؤشرات ثابتة مثل عمق الطبقة.
تقدم الورقة البحثية EnergyBridge، وهو معيار إطاري وعملاء مبتكر يدمج محاكاة الطاقة الخاصة بكل منطقة مع محاكي مشاركة مستخدم قائم على النماذج اللغوية الكبيرة (LLM) لتقييم وتحسين إدارة الطاقة المنزلية بشكل شامل من خلال سد الفجوة بين تقارير قدرة الشبكة، وتفويض السكان، وتنفيذ الاستجابة للطلب المادي.
تقدم هذه الورقة PluginEval، وهو معيار تشخيصي يستخدم إطار عمل ثنائي المراحل يجمع بين توليد النماذج اللغوية الكبيرة وتنفيذ واجهة برمجة التطبيقات الحتمي لمعالجة فجوات توزيع البيانات ونقص الاختبارات العدائية بشكل منهجي، مما يتيح عزواً دقيقاً للأخطاء لتقييم توجيه الأدوات في النماذج اللغوية الكبيرة.
تتقصى هذه الورقة بشكل منهجي التخصيص الأمثل لميزانيات الرموز المرئية عبر دقة الإدخال، ومجال الرؤية، واستراتيجيات الضغط لتوليد تقارير الأشعة ثلاثية الأبعاد، مما يثبت أن عملية قص منطقة الاهتمام الموجهة تشريحياً والمدخلات عالية الدقة المقترنة بمشاريع PerceiverResampler تعزز بشكل كبير الأداء السريري على مجموعات بيانات التصوير المقطعي المحوسب.
تقدم هذه الورقة TomaMMU، وهي مجموعة بيانات متعددة الوسائط واسعة النطاق تضم أكثر من 28,000 صورة و213,000 زوج من الأسئلة والأجوبة المشروحة، إلى جانب معيار TomaBench، لتقييم وتحسين نماذج الرؤية واللغة بشكل منهجي في تشخيص أمراض أوراق الطماطم، مما يكشف عن قيود حالية كبيرة في التعرف والاستنتاج الدقيق يمكن معالجتها بشكل جوهري من خلال الضبط الدقيق المستهدف.