23200 ورقة بحثية
تقدم هذه الورقة البحثية TAPAS، وهو إطار عمل متعدد الوكلاء يجمع بين النماذج اللغوية الكبيرة والتخطيط الرمزي لتوليد وتكييف نماذج النطاقات للمهام المعقدة تلقائياً دون الحاجة إلى تعريفات بيئية يدوية، مما يظهر أداءً قوياً في كل من الاختبارات المعيارية والبيئات المحاكية للواقع.
تقدم هذه الورقة نماذج العالم الاجتماعي (SWMs) وصيغة تمثيل هيكلية مبتكرة تسمى S3AP لنمذجة الحالات الذهنية الخفية والديناميكيات الاجتماعية بشكل صريح، مما يعزز بشكل كبير قدرة الوكلاء الاصطناعيين على التفكير في التفاعلات الاجتماعية المعقدة والتنقل عبرها عبر معايير قياسية متعددة.
تقدم هذه الورقة تحليلاً نظرياً وعدديًا رصينًا لكيفية تأثير مواضع تسوية الطبقات (layer normalization) المختلفة على استقرار التمرير الأمامي والخلفي في نماذج المحولات (Transformers)، مع اشتقاق حدود صريحة لنمو الحالة الخفية وانتشار التدرج لتوجيه التصميم المعماري وتدرج المتبقي (residual scaling) من أجل تحسين ديناميكيات التدريب.
تقترح هذه الدراسة إطار عمل فعال للتعلم العميق يجمع بين التعلم بنقل الخبرة مع MobileNetV2، والتحسين الطيفي متعدد القنوات، وتنعيم Savitzky-Golay للتنبؤ بدقة وسرعة بالأطياف الكهرومغناطيسية للأسطح الميتاوية القائمة على الـ MXene، متفوقة بشكل كبير على الحلول التقليدية والشبكات العصبية المرجعية من حيث السرعة والدقة.
تقدم هذه الورقة البحثية "SAGEO Arena"، وهي بيئة تقييم واقعية وقابلة لإعادة الإنتاج تدمج مسار بحث توليدي كامل مع معلومات هيكلية غنية لتقييم استراتيجيات تحسين محركات التوليد المعززة بالبحث (SAGEO) بشكل شامل عبر مراحل الاسترجاع، وإعادة التصنيف، والتوليد، كاشفةً أن النهج الحالية غالباً ما تفشل في ظل الظروف الواقعية ومسلطةً الضوء على الدور الحاسم للبيانات الهيكلية والتخصيص النوعي لكل مرحلة.
تقدم هذه الورقة البحثية MAC، وهو أول معيار مرجعي عام للتنبؤ بمعدل التحويل يتميز بتسميات من آليات عزو متعددة، إلى جانب مكتبة PyMAL ونموذج MoAE، لمعالجة فجوات البيانات في تعلم العزو المتعدد وإثبات مكاسب الأداء الكبيرة من خلال التكامل المعرفي المصمم بعناية.
تقدم الورقة البحثية SteganoPrompt، وهي أداة يتحكم بها المعلم تدمج علامات يونيكود غير مرئية في مطالبات التكليفات لاستحثاث تواقيع قابلة للكشف في استجابات النماذج اللغوية الكبيرة، مما يوفر وسيلة موثوقة لتحديد عمليات النسخ واللصق الحرفي دون الاعتماد على كاشفات الذكاء الاصطناعي الخارجية أو تعاون مزودي النماذج.
يعمل نظام Pulsar Attention على تحسين طرق الاستدلال الموزع مثل Star Attention من خلال استبدال المرتكزات الثابتة والمغيبة عن المحتوى بمكونات خفيفة الوزن ومدركة للمحتوى —وهي بادئة مستقرة لامتصاص الانتباه وملخصات عبر الكتل تعتمد على معيار Max-IDF— مما يقلل بشكل كبير من التكاليف الحسابية مع الحفاظ على أداء الانتباه الكثيف أو تجاوزه في التسلسلات الطويلة التي تصل إلى 128 ألف توكن.
تُعد OpenForgeRL إطار عمل مفتوح المصدر يُمكّن من التدريب الشامل لوكلاء الذكاء الاصطناعي الأصليين في بيئات متنوعة عبر فصل الاستدلال عن التدريب بواسطة وسيط خفيف الوزن ومنسق كوبرنيتيس (Kubernetes)، محققاً أداءً هو الأفضل في فئته على معايير الأدوات وواجهات المستخدم الرسومية المعقدة، مع توفير رؤى حول كيفية تشكيل خيارات الهيكل (harness) والتعلم التعزيزي لسلوك الوكيل.
تقدم هذه الورقة أول تقييم منهجي للتعلم التعزيزي الهرمي القابل للتفسير جوهرياً في التعاون بين الإنسان والوكيل باستخدام معيار Overcooked-AI، كاشفةً أنه بينما أظهرت التفسيرات اتجاهات نحو تحسن أسرع، فإن التفسيرات المقدمة عبر الصوت قد قوضت بشكل كبير التحالف العملي بين الإنسان والوكيل من خلال خلق توقعات شراكة غير ملباة.