23200 ورقة بحثية
تُعد SkillSentry إطار عمل لضمان وقت التشغيل يعزز موثوقية واتساق وكلاء النماذج اللغوية الكبيرة (LLM) أثناء تنفيذ المهارات، وذلك من خلال استخدام لغة متخصصة في مجال معين لمراقبة التنفيذ وتوجيهه وتحسينه بشكل تكراري بناءً على مواصفات المهارة وآثار التنفيذ التاريخية.
تقدم هذه الورقة البحثية WarehouseReliabilityBench وتثبت أن وكيل تحليل يعتمد على القواعد (QueryProof) بحجم 7 مليارات معلمة يتفوق بشكل كبير على نموذج أساسي بحجم 32 مليار معلمة يتم توجيهه مباشرة، وذلك في تحقيق "الحقيقة التجارية" عبر إعطاء الأولوية لعمليات التحقق الحتمية بعد التنفيذ والاستيضاح على دقة بناء جمل SQL الخام، كل ذلك مع تقليل التكاليف.
تجادل هذه الورقة بأن تغيرات احتمالية الرمز المميز المتميزة في التقطير الذاتي أثناء السياسة (on-policy self-distillation) لا تشكل تلقائياً ائتماناً صالحاً للنتيجة، حيث تثبت من خلال التحليل الرسمي والتجارب التجريبية أن مثل هذه الإشارات غالباً ما تفشل في تتبع الأفعال الأفضل أو تعزيز السلوكيات المرغوبة مقارنة بضوابط النتيجة فقط.
تقيم هذه الدراسة استخدام صور الكود المُصوَّرة كاستراتيجية لضغط الرموز (tokens) لوكلاء البرمجة على مستوى المستودع، حيث وجدت أنه بينما يقلل ذلك بفعالية من تكاليف المطالبة (prompt costs) ويحافظ على دقة الإصلاح، فإن فوائده مشروطة ومحدودة بقدرات النموذج الأساسي والمراحل المحددة لسير عمل الإصلاح.
تقترح الورقة البحثية إطار عمل GRASP، وهو إطار عمل مبتكر يعالج تحديات الفوضى في الخلفية والتماثل البصري في الفهم عبر الوسائط متعددة الأنماط دقيق التفاصيل من منظور الطائرات بدون طيار، وذلك من خلال المحاذاة المرتكزة على المناطق من أجل المطابقة المتمحورة حول الأشياء، والمطابقة المعززة بالاضطراب الدلالي من أجل التعلم الدلالي التمييزي، محققاً أداءً تنافسياً في الاختبارات المرجعية الجوية.
تقدم الورقة البحثية SoftmaxGRPO، وهي طريقة للتعلم التعزيزي تستبدل تطبيع الدرجة المعيارية (z-score normalization) بمزايا "softmax" ذات القياس الحراري (temperature-scaled softmax) لمنع التوزين المتباعد على المطالبات السهلة، مما يؤدي إلى إعادة تخصيص ميزانيات التدرج بشكل أكثر فعالية وتحسين أداء الاستنتاج بشكل كبير في مهام مثل DeepMath وPoetry مقارنة بـ GRPO القياسي.
تقدم الورقة البحثية ، وهو سير عمل وكيل يعتمد على النماذج اللغوية الكبيرة (LLM) يقوم بالتخطيط المشترك للبرامج وبراهينها الصورية للتغلب على عدم كفاءة التوليد المتسلسل، محققاً أداءً هو الأفضل في فئته وخفضاً كبيراً في التكاليف في اختبارات قياس توليد الكود الموثق، بما في ذلك مجموعة بيانات جديدة مشتقة من مستودع تسمى Lean4Commit0.
تقدم الورقة البحثية MMArch، وهو معيار مرجعي صارم للهندسة المعمارية والهندسة المدنية يقيم قدرة النماذج اللغوية الكبيرة متعددة الوسائط على توليف الأدلة البصرية الموزعة مع المبادئ الهندسية، مما يكشف عن فجوة أداء كبيرة بين الأنظمة الحالية للذكاء الاصطناعي والخبراء البشريين.
تقدم هذه الورقة ComboShoppingBench، وهو معيار مرجعي مبتكر مصمم لتقييم وكلاء النماذج اللغوية الكبيرة (LLMs) في مهام تسوق السلال المعقدة والمقيدة بالميزانية، وذلك من خلال الجمع بين التقييم الدلالي والتحقق الحتمي لمعالجة تحديات التحقق من مجموعات المنتجات الممكنة، والمُحسّنة باستخدام الكوبونات، والمتوافقة.
يُعد GLocFM نموذجاً تأسيسياً مدركاً للهندسة يعمل على تعزيز التحديد المكاني اللاسلكي في الأماكن المغلقة ثلاثية الأبعاد من خلال المعالجة المشتركة لقياسات الواي فاي والسحب النقطية للمشاهد ثلاثية الأبعاد لتعظيم احتمالية أطياف التأخير والزاوية المرصودة، محققاً انخفاضات كبيرة في الخطأ مقارنة بالنماذج المرجعية المتطورة على كل من مجموعات البيانات الاصطناعية والواقعية.