23565 ورقة بحثية
تجمع هذه الورقة المراجعية التطورات الأخيرة في مجالي المتانة والقابلية للتفسير ضمن الصحة الرقمية، حيث تقدم إطاراً هيكلياً يعالج التحديات التقنية، واعتبارات الثقة الخاصة بكل تطبيق عبر مختلف المجالات الطبية، ومقاييس التقييم الناشئة لدعم تطوير أنظمة ذكاء اصطناي موثوقة وأخلاقية.
تتقصى هذه الورقة كيفية تأثير مجموعات البيانات غير المثالية (غير المتماثلة في التوزيع والضوضائية) واختيار العملاء المنحاز على أداء التعلم الاتحادي، وتقترح طريقة تسجيل تحافظ على الخصوصية لتقييم مساهمات العملاء بفعالية وتخفيف هذه المشكلات.
تقترح هذه الورقة البحثية تدفقاً مستقيماً مقيداً بالندرة (SC-RF)، وهو كاشف توليدي يعالج قيود التعميم للنماذج الجنائية الحالية ضد تلاعبات النصوص المرئية مفتوحة المجموعة من خلال تقدير تكاليف الاستعادة المحلية لتحقيق أداء رائد وقدرات قوية في التعلم الصفري.
يقدم Harness-R1 طريقة مبتكرة تستخدم التعلم التعزيزي عبر الإنترنت لتدريب "مهندس حزام" (harness engineer) مخصص لتوليد رقع برمجية قابلة للتنفيذ تلقائياً من مسارات فشل الوكيل، مما يحسن معدلات نجاح المهام بشكل كبير عبر معايير قياسية متعددة دون الحاجة إلى تحديث أوزان نموذج الوكيل المستهدف.
تقدم هذه الورقة نموذجاً تدريبياً تقوم فيه وكلاء البرمجة بتقسيم مساراتها ذاتياً عبر إعلان فرضيات سببية قابلة للتفنيد، مما يولد مراحل دلالية عالية الجودة ومتغيرة الطول تتيح ضبطاً دقيقاً تحت الإشراف وتحسيناً مباشراً للتفضيلات بشكل أكثر فعالية مقارنة بوسم النوافذ الثابتة أو القائم على الحلقات التقليدية.
تقدم الورقة البحثية BRiG-AFA، وهي طريقة خاضعة للإشراف للاستحواذ النشط غير المميّع للميزات، والتي تتعلم دوال "المخاطرة المتبقية" المشروطة بالمرشح عبر انحدار بلمان العكسي لتتفوق على النهج الجشع أحادي الخطوة، لا سيما عند ميزانيات الاستحواذ المرتفعة.
تقدم هذه الورقة إطار عمل إسقاط قابل للتفاضل يدمج وحدة تحسين محدب ضمن التعلم التعزيزي العميق لفرض قيود صلبة ومترابطة في اتخاذ القرار المتسلسل، محققاً أداءً يقارب الأمثل وتقليلاً كبيراً في التكاليف في مشكلات تخطيط المخزون المعقدة حيث تعاني الطرق التقليدية.
تقدم هذه الورقة إطار عمل للتجارب العشوائية المنضبطة المحاكية (S-RCT) يُمكّن وكلاء الذكاء الاصطناعي من التنبؤ بنتائج اختبارات (A/B) قبل النشر الفعلي، مُثبتةً من خلال التحقق من 67 اختباراً تسويقياً تاريخياً أن بروتوكول معايرة ثنائي المراحل وتصميم الاختبار داخل المجموعات (within-subject design) يمكنهما تقليل خطأ التنبؤ والأخطاء المعيارية بشكل كبير لتدقيق العلاجات المرشحة بدقة.
تقترح الورقة البحثية "ذاكرة مامبا الهرمية" (Hierarchical Memory Mamba - HMM)، وهي بنية مبتكرة تدمج ذاكرة عمل خفيفة الوزن لاستخراج وضغط الدلالات البطيئة على مستوى الفقرة من نموذج "مامبا" الأساسي إلى ذاكرة طويلة الأمد مستمرة، مما يتغلب بفعالية على عقبة تمثيل نماذج الانتباه الخطي المتكرر ويحسن بشكل كبير أداء الاسترجاع والاستدلال للتسلسلات الطويلة بأقل قدر من الزيادة في عدد المعلمات.
إن KC-Agent هو بنية معرفية ثنائية العمليات تجمع بين التعرف السريع على الأنماط وبين التحديثات التدريجية المدروسة والذاكرة المنظمة لأتمتة تحسينات نماذج تعلم الآلة بكفاءة وموثوقية في مواجهة انزياح البيانات، محققاً أداءً وسرعة من فئة "أفضل ما تم الوصول إليه" مقارنة بالطرق الحالية.