23200 ورقة بحثية
تكشف هذه الورقة أنه في حين أن التوسع أثناء وقت الاستدلال يحسن أداء النماذج اللغوية الكبيرة، فإنه يصطدم بـ "أرضية استدلال" بالنسبة للنماذج غير القائمة على الاستدلال والتي تتطلب بروتوكولات استدلال داخلية لتجاوزها، وتثبت أيضاً أن التصويت بالأغلبية البسيطة يتفوق على طرق المراجعة المعقدة، بينما يمكن للمؤشرات اللغوية الجوهرية مثل الإيجاز أن تعمل كبدائل صفرية الحوسبة لصحة الاستجابة.
تقترح هذه الورقة إطار عمل جديداً لتعلم الآلة يكتشف هجمات التصيد عبر رموز الاستجابة السريعة (quishing) من خلال تحليل الأنماط الهيكلية والبيكسلية لرمز الاستجابة السريعة مباشرة دون استخراج المحتوى المضمن، محققةً دقة عالية باستخدام خوارزمية XGBoost، ومثبتةً أن السمات المرئية وحدها يمكن أن تحدد مخاطر التصيد بفعالية.
تقدم هذه الورقة تحليلاً شاملاً لتحدي MARIO في مؤتمر MICCAI 2024، حيث تفصل كيف استخدمت 35 فرق بيانات التصوير المقطعي للتماسك البصري (OCT) والبيانات السريرية متعددة الأنماط لتقييم أداء الذكاء الاصطناعي في تشخيص تنكس الشبكية، مما كشف أنه بينما يضاهي الذكاء الاصطناعي دقة الأطباء في اكتشاف تطور التنكس البقعي المرتبط بالسن (AMD)، فإنه لا يزال حالياً يقصر عن التنبؤ بالتطور المستقبلي للمرض.
تقدم هذه الورقة البحثية PB، وهي طريقة قائمة على المجموعات السكانية للتعلم المعزز القائم على التفضيلات، تتغلب من خلالها على قيود النهج أحادي العميل عبر الحفاظ على مجموعة متنوعة من العملاء لاستكشاف فضاء التفضيلات بشكل أفضل، وتحسين تعلم نموذج المكافأة من خلال سلوكيات متميزة، وتحقيق أداء قوي ضد أخطاء التصنيف البشري في البيئات المعقدة.
تجادل هذه الورقة بأن الافتقار إلى أنظمة التوصية الجماعية في العالم الحقيقي، رغم عقود من الأبحاث الخوارزمية، ينبع من افتراضات خاطئة حول التواصل الجماعي، وتقترح إعادة توجيه المجال نحو مساعدين ذكاء اصطناعي وكلاء يعتمدون على الدردشة لتسهيل اتخاذ القرارات التعاوني الطبيعي لدفع عملية الاعتماد العملي.
تقدم هذه الورقة "Self-Correction Bench" للكشف عن "نقطة عمياء" كبيرة حيث تفشل النماذج اللغوية الكبيرة في تصحيح أخطائها الداخلية رغم امتلاكها القدرة على إصلاح أخطاء خارجية مماثلة، وهو قصور ناتج عن فجوات في بيانات التدريب يمكن التخفيف من حدته بشكل كبير من خلال الضبط الدقيق المستهدف أو هندسة الأوامر البسيطة مثل إضافة كلمة "انتظر.".
تقدم هذه الورقة إطار عمل قائماً على القواعد وتصريحياً يستخدم برمجة مجموعات الإجابة لتحديد وحساب علاقات الأولوية بين الحقائق المتعارضة للاستعلام من قواعد المعرفة غير المتسقة، مع معالجة تحديات التفضيلات الدورية من خلال تحليل اللا دورية وتقنيات إزالة الدورات البراغماتية.
تستعرض هذه المراجعة كيف يعالج الذكاء الاصطناعي، لا سيما من خلال التعلم الآلي، والتعلم العميق، والنماذج اللغوية، تحدي التوصيف الفعال للأنظمة الكمومية واسعة النطاق عبر تمكين التنبؤ بالخصائص الكمومية وبناء بدائل للحالات، مع مناقشة أيضاً التطبيقات الرئيسية، والتحديات، والآفاق المستقبلية عند تقاطع الذكاء الاصطناعي والعلوم الكمومية.
إن AdaThink-Med هو إطار عمل متكامل يعمل على تحسين الاستنتاج الطبي باستخدام الضبط الدقيق بالتعزيز الموجه لعدم اليقين لتعديل حسابات وقت الاستنتاج ديناميكيًا، مما يقلل بشكل كبير من استهلاك الرموز مع الحفاظ على دقة التشخيص دون الحاجة إلى موجهات خارجية.
تقترح هذه الورقة إطار عمل لاسترجاع دلالي ثلاثي المراحل وقابل للتوسع لقياس جدة توليد النماذج اللغوية الكبيرة مقابل مجموعات بيانات التدريب المسبق الكاملة، مما يكشف أن النماذج تستخدم البيانات عبر تسلسلات أطول مما كان يُعتقد سابقاً، وتُظهر أنماط جدة خاصة بمجالات معينة، وتزيد من الجدة من خلال الضبط الدقيق للتعليمات.