23200 ورقة بحثية
تقترح هذه الورقة البحثية "خسارة المتغيرات المتقاطعة" (CvLoss)، وهي منظم بنيوي يعالج الفجوة في الأهداف في التنبؤ المباشر من خلال تقييد التبعيات بين المتغيرات المتقاطعة صراحةً في التنبؤات المستقبلية، مما يؤدي إلى تحسين أداء نماذج التنبؤ بالسلاسل الزمنية متعددة المتغيرات.
لمعالجة تدهور الأداء في كشف الأهداف الصغيرة بالأشعة تحت الحمراء في المجالات غير المرئية والناتج عن تحولات العلاقة بين الهدف والخلفية، يقترح المؤلفون HyTBE، وهو نموذج يستفيد من الهندسة الزائدية ومهايئ خليط من الخبراء لتوسيع أنماط العلاقات القابلة للملاحظة ومعايرة التمثيلات المرئية تكيفياً من أجل تعميم قوي عبر المجالات.
تُظهر هذه الورقة أنه في حين أن أدلة عمل الوكلاء الجانبية المعتمدة على المطالبات المجمدة يمكن أن تقدم فوائد مشروطة كخيار للبدء البارد دون إعادة تدريب، إلا أن فعاليتها حساسة للغاية تجاه تحولات النطاق، واستراتيجيات فك الترميز، وسياقات وقت التشغيل، مما يستلزم تحققاً صارماً من جانب الهدف فيما يتعلق بالدقة، والتكلفة، والتوافق مع البروتوكول قبل النشر.
يُعد GROM طريقة مبتكرة لتعلم الآلة غير المعتمد على التراجع (unlearning)، وهي طريقة من خطوة واحدة وخالية من التدرج، تستنتج تحديثًا تحليليًا مغلق الصيغة لتطهير المعرفة الحساسة بسرعة وبشكل دائم من النماذج اللغوية الكبيرة مع الحفاظ على الفائدة ومقاومة هجمات الاسترداد القائمة على التكميم.
تقدم هذه الورقة "أطر النشاط" (Activity Frames)، وهي مسار عمل حتمي وخالٍ من النماذج، يقوم بتجميع نشاط الشاشة الخام إلى كتل ذاكرة مدمجة وقابلة للتدقيق، مما يمكّن الوكلاء من الإجابة على الأسئلة المتعلقة بأفعال المستخدم السابقة بدقة أعلى بكثير من ملخصات النماذج اللغوية الكبيرة، بينما يوفر في الوقت ذاته أول قياسات تجريبية للأعباء الروتينية والتكرار لتحسين تكاليف تفويض الوكلاء.
تقدم الورقة البحثية "مطابقة التدفق المشروطة بالمهمة" (TCFM)، وهو إطار عمل مبتكر لتكييف التضمين متعدد اللغات يطبق "مطابقة التدفق" بشكل انتقائي على مهام الترجمة مع استخدام أهداف محسنة للمهام الأخرى، محققاً أداءً هو الأفضل في فئته على مقيش "إنديك" (Indic) لتقييم تضمين النصوص الضخمة من خلال منهج تعليمي موجه بالمعلم يتكون من ثلاث مراحل.
تقدم هذه الورقة TIPEX، وهو إطار عمل موحد ينسق بين التوازي النسخي (Replica) والتوازي الهيكلي (Structural) في أنظمة النماذج اللغوية الكبيرة متعددة الوكلاء لتحسين دقة الاستدلال وتقليل زمن الاستجابة بشكل كبير، لا سيما لمهام التعقيد المتوسط، على الرغم من زيادة استهلاك الرموز (tokens).
تقدم هذه الورقة التنبؤ الكامن الهرمي (HiLP)، وهو هدف مساعد مبتكر يستفيد من الكوامن المجردة عالية المستوى للتخفيف من تراكم الأخطاء في عمليات التدحرج في الفضاء الكامن، مما يؤدي إلى تحسين الاستدلال طويل الأمد، وأداء البرمجة، وكفاءة فك التشفير الاستباقي في النماذج اللغوية.
تقدم هذه الورقة البحثية "تعلم القواعد الدليلية السريع" (FERL)، وهو أسلوب يولد نماذج قواعد ضبابية قابلة للتفسير قادرة على تقديم مخرجات دليلية، واستقرار "ليبتشيتز" سلس، والامتناع الموثوق عن الإجابة في تمريرة حتمية واحدة، مع تحقيق دقة هي الأفضل حالياً وأداء قوي في اكتشاف البيانات خارج التوزيع عبر مختلف المعايير.
تقدم هذه الورقة معيار C-SUITEBENCH لتقييم النماذج اللغوية الكبيرة متعددة الوسائط بصفتها رؤساء تنفيذيين، كاشفةً أنه في حين تعزز المدخلات البصرية الاستدلال القائم على الأدلة والتنبؤ بالمخاطر، إلا أنها تضعف بشكل متناقض تخصيص الموارد المقيدة بسبب ازدحام الإشارات، مما يثبت أن الإدراك البصري والعمل المقيد هما عائقان منفصلان في اتخاذ القرار التنفيذي للذكاء الاصطناي.