23200 ورقة بحثية
تقدم الورقة البحثية GALA+، وهو إطار عمل وكيل لغوي كبير معزز بالرسوم البيانية، يستفيد من رسوم بيانية لاعتماد الخدمات والقياس عن بُعد متعدد الوسائط لتعزيز تحليل السبب الجذري والاستجابة للحوادث في الخدمات المصغرة، محققاً أداءً متفوقاً على النماذج المرجعية الحالية وحاصلاً على تأييد عالٍ من خبراء الصناعة.
تتناول هذه الورقة التحدي المهمل المتمثل في اكتشاف العدسات اللاصقة الشفافة في التعرف على قزحية العين من خلال إثبات تأثيرها السلبي على دقة التحقق، واقتراح إطار عمل ثنائي المراحل يجمع بين كشف العدسات المنقوشة ونموذج انتباه مكاني موجه بالقناع مبتكر لتحديد العدسات الشفافة، مما يؤدي في النهاية إلى تحسين أداء النظام من خلال معايرة الدرجات.
تقترح هذه الورقة TriNoL، وهو إطار عمل للتكيف شبه المُشرف لنماذج الرؤية التأسيسية يعزز المتانة تجاه الملصقات الزائفة المشوشة عن طريق توجيه العينات غير المصنفة إلى ثلاث مناطق قائمة على الثقة وتدريب خبراء LoRA متخصصين للإشارات الإيجابية، والمحاذاة، والسلبية مع إبقاء النموذج الأساسي مجمدًا.
تقدم هذه الورقة SWE-RPG، وهو معيار موحد لوكلاء البرمجة يقيم ليس فقط نجاح الرقعة النهائية بل أيضًا خطوات الاستدلال الوسيطة مثل توضيح المتطلبات وتخطيط التنفيذ، مما يكشف أن الاسترداد الضمني للمتطلبات هو العائق الأساسي الذي يحد من أداء الوكلاء الحاليين في المهام على مستوى المستودع.
تجادل هذه الورقة بأن وجود الإعلانات الهيكلية، وليس تدوينها المحدد، هو المتغير الحاسم الذي يؤثر على سلوك النموذج في مجموعات بيانات ما قبل التدريب، وتقترح تنسيقاً جديداً للبيانات يفصل هذه الإعلانات إلى "مقصورات جانبية" (sidecars) قابلة للعكس مع إعطاء الأولوية لخيارات التنسيق المدفوعة بالقدرة على حساب الحفاظ على الدقة.
تُقدم الورقة البحثية إطار عمل SLIFT، وهو إطار تعلم ذاتي انتقائي يعمل على تفكيك ملاحظات المستخدم إلى إصلاحات صالحة للمهمة، ومواصفات خاصة بالظروف، ومكونات فارغة لتدريب محولات LoRA متكاملة لكل من "العام" و"المتخصص" على نموذج أساسي مجمد، مما يمكّن النماذج اللغوية الكبيرة من التحسن المستمر مع نطاقات تعميم مناسبة.
تقدم هذه الورقة البحثية RAVEN-Eval، وهو إطار تقييم آلي قابل للتوسع وموجه بمعايير محددة، يستفيد من أحكام التفضيل لنماذج اللغات الكبيرة متعددة الوسائط (LMM) للتمييز بشكل موثوق بين الفروق الدقيقة في الجودة بين نماذج توليد الفيديو المتقدمة بالذكاء الاصطناعي مع تقليل تكاليف التوسيم البشري إلى أدنى حد.
تقدم الورقة البحثية MELLON، وهو إطار عمل متعدد الوسائط يعزز بشكل كبير أداء وكيل التنقل عبر الويب في اختبار WebShop المرجعي من خلال محاذاة النصوص والصور لتحسين الاستنتاج والتخطيط، محققاً زيادة بنسبة 9.26% في الدقة بعد حقبة تدريب واحدة فقط.
تقترح الورقة البحثية إطار عمل VIGIL، وهو إطار عمل مبتكر يستفيد من النماذج اللغوية الكبيرة متعددة الوسائط مع كواشف ميزات متعددة المستويات ومجموعة بيانات منسقة بدقة تضم 140 ألف عينة لمعالجة أوجه القصور في النهج الحالية القائمة على النصوص وسد فجوة التعميم من الاصطناعي إلى الأصيل في اكتشاف التشوه البصري.
تُظهر ورقة ChronoState أن نموذج لغة مجمد يمكنه بفعالية دمج الوقت المنقضي المخفي، غير الممثل في الرموز (non-token)، مع حالة المهمة الرمزية لاختيار الأفعال الزمنية تحت إشراف مباشر، محققاً دقة عالية في اختبارات مرجعية محددة بينما يفشل في التعميم على عائلات غير مرئية أو التفوق على خطوط الأساس البسيطة التي تعتمد على حقن الطابع الزمني في المطالبات.