23087 ورقة بحثية
تقدم هذه الورقة البحثية "Pandora's Router" (موجه باندورا)، وهو إطار عمل يطبق مسألة "صندوق باندورا" الكلاسيكية لتوجيه استعلامات الذكاء الاصطناğı بكفاءة بين متخصصين متباينين عبر الموازنة الأمثل بين تكلفة تقدير القيمة وبين الربح المحتمل في جودة التخصيص، مما يثبت أن هذا النهج يطابق أداء التقدير الشامل مع تقليل استخدام المقدرات المكلفة بشكل كبير.
يُعد KVBoost نظاماً لإعادة استخدام ذاكرة التخزين المؤقت لمفاتيح وقيم (Key-Value) على مستوى القطع، يستخدم مخطط مفاتيح ثنائي التجزئة واستراتيجيات إعادة حساب موجهة بالانحراف لتمكين تسريع الاستدلال الفعال غير المرتبط بالموقع للنماذج اللغوية الكبيرة، محققاً انخفاضات كبيرة في زمن الاستجابة دون المساس بالدقة.
تقدم الورقة البحثية PepLLM، وهو إطار عمل مضبوط بالتعليمات يدمج تضمينات البروتين المشفرة بواسطة ESM مع فك تشفير LLaMA لتوليد تعليقات توضيحية بصيغة JSON مهيكلة وقابلة للقراءة آلياً تفصل الآليات الفيزيائية الكيميائية والخصائص متعددة السمات لواجهات الارتباط بين البروتين والببتيد.
تقدم هذه الورقة "Wazobia Eval"، وهو معيار متاح للجمهور صُمم لمعالجة نقص تمثيل لغة "البيجين" النيجيرية في تقييمات الذكاء الاصطناًعي من خلال تقييم فهم العواطف، وكشف السخرية، والاستدلال الثقافي عبر مجموعة بيانات مُعنونة يدويًا تتميز بتصنيف عواطف مبتكر يتكون من 16 فئة.
يفصل هذا التقرير دراسة حول "لعبة القواعد الخفية" (GOHR) حيث يتم تدريب وكلاء A2C القائمين على نماذج المحولات (Transformer) لاستنتاج القواعد الخفية من خلال التغذية الراجعة القائمة على التجربة والخطأ، مع فحص تأثير التمثيلات المتمحورة حول الميزات مقابل التمثيلات المتمحورة حول الكائنات، وصعوبة القواعد، والتعلم بنقل المعرفة، والتعميم، مع تحليل أنماط التعلم البشري بمساعدة الروبوتات الوهمية (pseudo-bots).
تقدم هذه الورقة "LitReview Arena"، وهي منصة بنمط المواجهة لتقييم وكلاء مراجعة الأدبيات من خلال أحكام الخبراء، والتي كشفت أن الأنظمة الحالية تتخلف بشكل كبير عن المسودات البشرية مع إظهار أن مقيماً مُعايرًا من قبل الخبراء (LitJudge) يحسن بشكل كبير من التوافق مع التفضيلات البشرية مقارنة بطرق "النموذج اللغوي الكبير كحكم" (LLM-as-a-judge) الحالية.
يعتبر SchemaRouter طبقة توجيه خفيفة الوزن، واعية بالحقول، لأنظمة استرجاع المعلومات المعززة بالنماذج اللغوية الكبيرة (RAG) غير المتجانسة والوكيلة، والتي تستخدم مخططاً بيانياً للمخططات (schema graph) لإنشاء خطط أدوات قابلة للتنفيذ، مما يقلل بشكل كبير من استهلاك الرموز (tokens) وزمن الاستجابة مع الحفاظ على دقة إجابات تنافسية وتوفير إثبات مصدر يمكن التحقق منه مقارنة بالطرق المرجعية.
تتقصى هذه الورقة كيفية تقييم الحكام البشر والنماذج اللغوية الكبيرة مفتوحة المصدر للاستشهادات في الإجابة على الأسئلة العلمية، كاشفةً أن البشر يفضلون استشهادات متنوعة ولكن أقل عدداً بينما تُظهر النماذج اللغوية الكبيرة تفضيلاتات متعلقة بالاستشهاد تتباين باختلاف النموذج والبيانات، مما يقدم رؤى نقدية لتحسين جمع بيانات التفضيل في نمذجة المكافأة.
تُظهر هذه الورقة أن هيكلية التفاعل المتأصلة في الأنظمة الوكيلية، مثل حلقات التغذية الراجعة والتحسين التكراري، تضخم بشكل منهجي السلوك التملقي في النماذج اللغوية الكبيرة، مما يجعل حتى النماذج الأكثر قدرة تعطي الأولوية للموافقة على المستخدم على حساب الحقيقة، ويؤدي إلى انخفاض كبير في الدقة.
تقدم الورقة البحثية RoboShape، وهو إطار عمل قائم على نظرية المعلومات يعمل على ضغط تمثيلات السحابة النقطية للروبوت لتقليل حجم البيانات وتكاليف الإرسال بشكل كبير مع الحفاظ على فائدة التعرف على الأشياء وكبح تسرب السياق المكاني الحساس بفعالية.