23200 ورقة بحثية
يُعد OR-Agent إطار عمل بحثي متعدد الوكلاء يعزز التصميم الاستدلالي المؤتمت من خلال دمج توليد الفرضيات القائم على الأشجار مع نظام انعكاس هرمي مستوحى من التحسين، وذلك للتغلب على القيود الاستراتيجية والتعلمية التي تواجه الأساليب التطورية الحالية القائمة على النماذج اللغوية الكبيرة.
تقيم هذه الورقة قدرة نماذج الذكاء الاصطناعي الرائدة على أداء الاستدلال المعقد دون رموز "سلسلة الأفكار" الصريحة من خلال قياس آفاق زمن إنجاز المهام مقابل الخطوط المرجعية البشرية، مما يكشف عن اتجاه يتمثل في مضاعفة الأداء سنويًا ويتوقع أن هذه النماذج يمكنها قريبًا حل المهام التي تتطلب أكثر من 25 دقيقة من الجهد البشري في تمريرة واحدة بحلول عام 2030.
تقدم هذه الورقة PersonaTrail، وهو معيار لتقييم قدرة وكلاء الويب المخصصين على استنتاج تفضيلات المستخدم من سجلات التصفح الخام، إلى جانب PACMem، وهو إطار عمل ينظم هذا السجل في ذكريات واقعية وتفضيلية لتحسين أداء التنقل بشكل كبير.
تقدم الورقة البحثية ISEE، وهو نظام تفاعلي يعمل على إثراء أوصاف حقول قواعد البيانات الغامضة بشكل تعاوني باستخدام المعرفة بالمجال لدى المستخدم لتحسين أداء وكلاء النماذج اللغوية الكبيرة (LLM) في المهام المتعلقة بالبيانات.
تقدم هذه الورقة البحثية الدوائر الرقمية ذاتية التنظيم، وهي بنية مستوحاة حيويًا تستخدم نموذج "ترانسفورمر" مقنع طوبولوجيًا لصياغة توليد المنطق كمسألة تعلم ميتا، مما يمكّن الأجهزة الرقمية من التجميع الذاتي وإعادة التشكيل الديناميكي حول كل من الأخطاء الدائمة والبرمجية مع قدرة فائقة على تحمل الأخطاء والقابلية للتوسع.
تُعد KernelBrain وكيلًا عمليًا للتحسين يراعي الميزانية، حيث يجمع بين الطفرات الموجهة بواسطة النماذج اللغوية الكبيرة واستراتيجية تقييم تكيفية من الخشن إلى الناعم لتوليد نوى وحدات معالجة رسومية عالية الأداء بكفاءة، محققةً تسريعًا كبيرًا مقارنة بـ PyTorch ووكلاء الحالة الراهنة مع تقليل وقت التحسين بنسبة تصل إلى 48%.
تقدم MemArena معياراً ومحاكياً واسع النطاق، متمحوراً حول منظور المستخدم (ego-centric)، لتقييم المساعدات الشخصية للذاكرة على الأجهزة، مما يكشف أن اختيار خلفية الذاكرة يؤثر بشكل كبير على دقة المحتوى وموثوقيته مع تحمل حد أدنى من زمن بحث الاسترجاع على أجهزة الحافة.
تقدم هذه الورقة OncoTriad-QA، وهو معيار مرجعي شامل على مستوى المريض يدمج بيانات الأشعة والباثولوجيا والجينوميات من 9,281 حالة من مشروع TCGA لتقييم وتحسين قدرة النماذج متعددة الوسائط على إجراء استدلال شامل للسرطانات عبر نظام الإجابة على الأسئلة.
تقدم هذه الورقة أول تقييم مستقل ومنهجي لمرشح الخصوصية (Privacy Filter) الخاص بشركة OpenAI عبر 42 معياراً، كاشفةً أنه في حين يتفوق النموذج على الأدوات الحالية في بيانات الهوية الشخصية (PII) الاصطناعية المهيكلة ومجالات محددة مثل خدمة العملاء، فإنه يعاني من تدهور حاد في الأداء عند التعامل مع النثر السردي، والنصوص غير اللاتينية، وأنواع بيانات الهوية الشخصية المتغيرة ثقافياً.
تُثبت هذه الورقة أن التفضيلات الثنائية للأطباء هي مؤشر غير موثوق للسلامة السريرية في النماذج اللغوية الكبيرة، حيث يمكن للنماذج ذات التصنيف العالي أن تظل تُظهر إخفاقات جسيمة حرجة من الناحية السريرية، مما يستلزم ممارسات تقييم تبلغ مباشرة عن معدلات الفشل وتدمج تعديلات قائمة على معايير سريرية رصينة.