23303 ورقة بحثية
تكشف هذه الورقة، بناءً على مقابلات مع متخصصين في تكنولوجيا المعلومات، أن دمج الذكاء الاصطناعي التوليدي في إدارة الأنظمة قد يؤدي دون قصد إلى ضغط تطوير الخبرة التقليدية عبر تقصير دورة التعلم الخاصة بحل المشكلات العملي، وخلق "ثقافة السرعتين" التي تعزز الشعور بالذنب تجاه الإنتاجية من خلال إعادة ضبط التوقعات لسرعة العمل اليدوي.
تقدم هذه الورقة البحثية TAPR، وهو مُعيد صياغة للمطالبات مدرك للمهام (Task-Aware Prompt Rewriter) تم تدريبه عبر تحسين السياسة النسبي المجموعي (Group Relative Policy Optimization)، والذي يعمل على إعادة صياغة مدخلات المستخدم إلى مطالبات محسنة، مما يعزز بشكل كبير أداء النماذج اللغوية الكبيرة (LLMs) في مهام مثل الإجابة على الأسئلة والاستدلال الحسابي.
تُثبت هذه الورقة أن الضبط الدقيق اللاحق هو مقياس غير موثوق لتقييم جودة ما قبل التدريب الاتحادي لأنه يفشل في الحفاظ على ترتيب النماذج الأصلي، بينما يوفر التنبؤ بالرمز التالي الجوهري انعكاساً أكثر أمانة لأداء ما قبل التدريب.
توفر هذه الورقة أساساً نظرياً للتمييز بين توليدات الرموز (tokens) في النماذج اللغوية الكبيرة عبر نمذجتها كأنظمة ديناميكية، حيث تثبت أن دقة التصنيف تتحسن بشكل أسي مع طول التسلسل بناءً على المسافة الطيفية، مع وضع حدود جوهرية وحدود تعميم للنقل عبر التضمين المتقاطع.
تقدم الورقة البحثية LAWFUL، وهو إطار عمل تأسيسي يعالج فجوات التفسير الرئيسية للتحقق مما إذا كانت الشبكات العصبية لا تتعلم فحسب، بل تستخدم أيضاً القوانين الفيزيائية الصورية داخلياً، وهو ما تم إثباته من خلال تأكيد استخدام نموذج Mocap2Radar transformer لقانون تردد دوپلر رغم غيابه عن بيانات التدريب.
تقدم هذه الورقة طاقة الاستدلال المدركة للخطوات (SARE)، وهي إطار هندسي يستخدم محاذاة النواة المركزية لتقدير الجهد الحسابي على مستوى كل خطوة من خطوات سلسلة الأفكار، مما يكشف عن توزيعات طاقة غير منتظمة وتحولات تشبه الأطوار تتنبأ بنجاح الاستدلال بفعالية أكبر من المقاييس التقليدية على مستوى المخرجات.
على الرغم من إظهار النماذج اللغوية الكبيرة كفاءة في المعرفة الطبية والاستدلال التشخيصي في المهام المنسقة، إلا أنها غير آمنة حالياً لعمليات الفرز السريري المستقلة لأن طبيعتها القائمة على توليد النصوص الاحتمالية تفشل في محاكاة سلوكيات جمع المعلومات المتسلسلة والحرجة المطلوبة لإعطاء الأولوية لاستبعاد التشخيصات الكارثية بدلاً من اختيار الإجابة الأكثر احتمالية.
يُعد ViSAGE إطار عمل ذاكرة وكيلية متعددة الوسائط يعزز فهم الفيديو طويل المدى من خلال بناء ذكريات ذاتية التصحيح ومركزة حول الكيانات عبر الربط عبر الوسائط، والتحسين ثنائي الاتجاه، والتحقق المتقاطع متعدد الوكلاء لمنع خلط الهوية والهلوسة، محققاً تحسناً بنسبة 5.9% في الدقة مقارنة بالنماذج المرجعية الرائدة.
تتناول هذه الورقة تحدي تخطيط مسار الوكلاء المتعددين في ظل قيود مكانية-زمانية وطوبولوجية معقدة من خلال اقتراح طريقتين للترميز السليم تعتمدان على البرمجة بالصيغ المختلطة (Mixed-Integer Programming) ونظرية التبعية المنطقية (Satisfiability Modulo Theories) لصيغة STL-GO، واللتين تم التحقق من صحتهما عبر واجهة موحدة وتقييمهما على معايسات البحث والإنقاذ متعددة الطائرات بدون طيار الديناميكية.
تقدم هذه الورقة "التوجيه الخوارزمي الاستعاري"، وهي ظاهرة تتسبب فيها التعليمات الاستعارية في اللغة الطبيعية في جعل النماذج اللغوية الكبيرة تنقل بشكل غير لائق الأنماط الإجرائية من مجال مصدر إلى مهام توليد الكود، مما يؤدي إلى خوارزميات غير فعالة، وتقترح إطار عمل MASC لدراسة واستثارة وكشف هذا التحول في الحالة الخفية.