23200 ورقة بحثية
تقدم هذه الورقة SCHEDBench، وهو معيار مرجعي شامل يعتمد على اللغة الطبيعية يوضح أن النماذج اللغوية الكبيرة تفشل في الحفاظ على موثوقية الالتزام بالقيود والجدوى عبر التباينات المتنوعة في الصيغ السطحية المتكافئة دلالياً في مهام الجدولة التوافقية المختلفة.
تُبين هذه الورقة أنه في حين تبرع النماذج اللغوية الكبيرة في الحكم على ما إذا كانت المرشحات تنتمي إلى مجموعة صحيحة، إلا أنها تخفق بشكل كبير في تأليف مجموعات كاملة ومقبولة بسبب ميل منهجي نحو الحذف الصامت بدلاً من الإفراط في الإدراج، وهو عجز يستمر عبر مختلف المجالات ومقاييس المعلمات.
تقدم هذه الورقة الاستدلال السولومونوفي الهرمي (HSI)، وهو إطار عمل يوسع الاستدلال السولومونوفي لتمكين التنبؤ الأمثل بالتسلسلات من مجموعات بيانات التدريب عبر تطبيق نظرية دي فينيتي لإنشاء توزيع سابق فائق (hyperprior) فوق التوزيعات السابقة السولومونوفية، مما يثبت أن الاستدلال السولومونوفي الهرمي يكافئ نظرياً الاستدلال السولومونوفي مع ضمان التقارب نحو التنبؤ الأمثل مع نمو البيانات.
تقدم هذه الورقة البحثية "النسيان على مستوى السمات" كبديل أكثر دقة لـ "الحذف على مستوى الملف الشخصي" للنماذج اللغوية الكبيرة متعددة الوسائط (MLLMs)، وتقترح معياراً شاملاً لتقييم تحدي النسيان الانتقائي لسمات محددة مع الحفاظ على المعلومات المتعلقة بالهوية، وتقدم إطار عمل CLRP، وهو إطار عمل خفيف الوزن وخالٍ من التدريب يحقق هذا النسيان الانتقائي بفعالية من خلال التوطين السببي والإسقاط المدرك للاحتفاظ.
تقدم الورقة البحثية MedUPS، وهو إطار عمل للمواءمة ومجموعة بيانات مقابلة (MedUPSQA) تعمل على تحسين المساعدة التشخيصية للحالات الطبية غير الشائعة من خلال تدريب النماذج اللغوية الكبيرة على التنبؤ بالقرارات السريرية الوسيطة باستخدام التعلم التعزيزي، مما يؤدي إلى تفوقها على كل من النماذج الأساسية والنماذج الرائدة الأكبر حجماً في دقة الخطوة التالية.
تقدم هذه الورقة معياراً مرجعياً متعدد اللغات ودقيقاً للكشف عن الهلوسة في الرؤية واللغة، مبرهنةً على أن العينات المكتوبة بشرياً تُعد بديلاً قابلاً للتطبيق ومستقلاً عن النماذج للبيانات المولدة آلياً، وذلك من خلال توفير توافق أعلى في التوصيف وتحكم أفضل مع الحفاظ على تشابه التوزيع.
تقدم الورقة البحثية DeBERTa-Sentinel، وهو إطار عمل شفاف وقابل للتفسير للكشف عن النصوص المولدة بواسطة الذكاء الاصطناعي يستفيد من آلية الانتباه المنفصل لنموذج DeBERTa-v3 لتحقيق دقة رائدة مع توفير تفسيرات على مستوى الرمز (token-level) لتمكين التحقق من المحتوى القابل للتدقيق والموثوق لمختلف أصحاب المصلحة.
تقدم هذه الورقة البحثية FactorJEPA، وهي بنية مبتكرة تعمل على تفكيك التنبؤات المستقبلية إلى قنوات متميزة للمخطط، والوكيل، والتفاعل لنمذجة الديناميكيات الفوضوية والمزدحمة للبيئات الحضرية في دول الجنوب العالمي بشكل أفضل، مدعومة بإصدار مجموعة بيانات DENSEWORLD واسعة النطاق وإثبات تفوقها في المتانة والدقة على النماذج العالمية الأحادية الموجودة.
تقدم هذه الورقة "بقايا الانتباه منفصلة الأدوار" (RD-AttnRes)، وهي امتداد معماري أدنى يفصل توجيه العمق الخاص بمطابقة الانتباه (الاستعلامات/المفاتيح) عن استرجاع المحتوى (القيم)، مما يثبت من خلال تجارب مكثفة أن هذا الفصل يحسن أداء النموذج باستمرار عبر السماح لهذه الوظائف المتميزة بالوصول إلى طبقات مختلفة من التسلسل الهرمي للبقايا.
تقدم هذه الورقة البحثية LF3DRoP، وهي آلية انتباه مبتكرة تقوم بترميز الهندسة ثلاثية الأبعاد بين البقايا ضمن أطر محلية محددة بالهيكل الأساسي لتحقيق أفضل النتائج في التنبؤ بمواقع الحات (epitope) الخاصة بالأجسام المضادة مع الحفاظ على الثبات تجاه التحولات المكانية العالمية.