23303 ورقة بحثية
تحدد هذه الورقة مواصفات الأدوات ذات التنسيق المخطط (schema-formatted) كسبب رئيسي لتدهور السلامة في وكلاء الذكاء الاصطناعي، وتقترح SafeKeep، وهو نظام حماية أثناء الاستنتاج يعمل على فصل تقييم السلامة عن التنفيذ لتقليل معدلات نجاح الهجمات بشكل كبير مع الحفاظ على أداء المهام.
يُعد OsteoCAD إطار عمل سحابي-طرفي (cloud-edge) معياري يعتمد على العنصر البشري في الحلقة، وهو يعمل على دمقرطة الوصول إلى التعلم العميق لتحليل الصور الطبية من خلال تمكين سير عمل كامل لتقسيم أورام العظام دون الحاجة إلى خبرة تقنية متقدمة أو موارد حوسبة محلية مكثفة.
تقترح الورقة البحثية DualDiT، وهو نموذج محول انتشار ثنائي المخرجات ومشروط يتفوق على نماذج الانتشار التقليدية القائمة على بنية U-Net في توليد صور التصوير المقطعي للتماسك البصري (OCT) وأقنعة التجزئة لعيون الفئران بشكل واقعي، مما يعالج بفعالية ندرة البيانات من خلال دقة توليدية فائقة وفائدة في عمليات التجزئة اللاحقة.
تقترح الورقة البحثية Locodec، وهو برنامج ترميز مشفر محلياً مقترن بإطار عمل MP-ELD القائم على مطابقة التدفق ذاتي الانحدار أحادي الرمز، لتحقيق توليد كلام مستقر وعالي الدقة وطويل الأمد باستخدام رموز مستمرة عالية الأبعاد ومنخفضة معدل الإطارات دون الاعتماد على نماذج خارجية مدربة مسبقاً.
يُعد AgenticRepair إطار عمل متعدد الوكلاء يعمل على تحسين معدلات نجاح إصلاح الثغرات الأمنية المؤتمتة بشكل كبير لتصل إلى 73% من خلال هندسة ودمج ثلاثة جوانب حاسمة تم التغافل عنها سابقاً في سياق البرنامج، وهي: بنية الكود، والتنفيذ وقت التشغيل، وسجل الالتزامات، ضمن عملية الإصلاح.
تقترح الورقة البحثية CrossRAG، وهو إطار عمل للتنبؤ بالسلاسل الزمنية متعددة المتغيرات المعزز بالاسترجاع، يتغلب على تباينات المقدار وعدم التطابق بين الماضي والمستقبل من خلال دمج الذاكرة المدركة للشكل، والتعلم التبايني المتسق مع المستقبل، والدمج الزمني عبر الانتباه المتقاطع، ليتفوق باستمرار على الأساليب الحالية عبر سبعة معايير مرجعية.
تقدم هذه الورقة البحثية SESA، وهو وكيل بحث ذاتي التطور ينشئ حلقة ثنائية الاتجاه حيث يتم تقطير الإخفاقات المعلوماتية في ذاكرة مهارة متطورة لتوجيه الحلّال، والذي بدوره يشكل توليد المشكلات الخاص بالمتحدي، مما يؤدي إلى التطور المشترك لتوزيعات المهام والمعرفة الإجرائية لتحسين الأداء عبر العديد من معايير اختبار الأسئلة والأجوبة.
يُعد DreamQAS إطار عمل للتعلم التعزيزي القائم على النماذج، والذي يعمل على تسريع البحث في البنى الكمومية من خلال تعلم تغذية VQE الراجعة المكلفة فقط مع الحفاظ على ديناميكيات الدوائر بدقة، مما يقلل بشكل كبير من عدد الاستدعاءات الكمومية الحقيقية المطلوبة للعثور على البنى المثلى مقارنة بالنهج التقليدية غير القائمة على النماذج.
تقدم هذه الورقة البحثية معيار "التقييم لإعادة كتابة التأليف" (ARB) لتوضيح أن كواشف النصوص المعتمدة على الذكاء الاصطناعي القياسية، رغم فعاليتها في تحديد النصوص المولدة مباشرة بواسطة النماذج اللغوية الكبيرة، تعاني من انخفاض حاد في الأداء (بواقع 60 إلى 78 نقطة مئوية) عند اكتشاف النصوص التي كتبها بشر ثم أعيدت كتابتها بواسطة نموذج لغوي كبير، مما يكشف عن فجوة حرجة في منهجيات التقييم الحالية.
تقدم هذه الورقة MOT-SR، وهو إطار عمل متعدد الأهداف ومعزز بالأدوات يستفيد من النماذج اللغوية الكبيرة التعاونية والأدوات التحليلية الخارجية للتغلب على قيود طرق الانحدار الرمزي الحالية من خلال التحسين المشترك للدقة والتعقيد والتعميم، محققاً بذلك أداءً فائقاً في المعايير القياسية ومهام النمذية الفلكية المعقدة.