23845 ورقة بحثية
تقترح الورقة البحثية DAR-Net، وهو إطار عمل جديد وشامل لترميم الصور يعالج تحديات الغموض الدلالي والمكاني من خلال تمثيل نمطي للتدهور (Degradation Archetype Representation) ووحدات تصحيح مخصصة، محققاً أداءً هو الأفضل في فئته عبر مختلف معايير قياس التدهور المتنوعة.
يُعد MANTA إطار عمل مبتكر يُمكّن الأنظمة متعددة الوكلاء من تطوير شبكة اتصالاتها ذاتياً عند وقت الاستنتاج عبر التكيف ديناميكياً مع أدوار الوكلاء، والروابط، وسير العمل بناءً على آثار التعاون، مما يحقق أداءً فائقاً عبر مهام متنوعة ومعقدة مقارنة بالنماذج المرجعية الثابتة أو المحسّنة مسبقاً.
تقدم الورقة البحثية ORCA-bench، وهو معيار قياس ذو دقة إنتاجية لتقييم وكلاء النماذج اللغوية في مهام تحليل الأسباب الجذرية أثناء المناوبات، كاشفةً أن أكثر النماذج المتطورة حالياً تحقق دقة منخفضة (25.3% في الصعوبة المتوسطة) وتواجه صعوبة في الهلوسة، مما يشير إلى وجود فجوة كبيرة قبل إمكانية الوثوق بها بأمان في موثوقية الإنتاج في العالم الحقيقي.
تقدم هذه الورقة دراسة تجريبية منهجية تثبت أنه بينما يمكن لتقنيات التوسع عند وقت الاستدلال، مثل التوسع السياقي والزمني، أن تعمل على استقرار وكلاء استخدام الحاسوب المحليين، إلا أنها غالبًا ما تؤدي إلى عوائد متناقصة وتزيح أنماط الفشل نحو نجاحات سابقة لأوانها، مما يشير إلى أن النشر المحلي الفعال يتطلب تخصيصًا انتقائيًا للحوسبة وآليات تحكم واعية بالفشل بدلاً من التوسع العشوائي.
تُثبت هذه الورقة أنه عبر مختلف النماذج مفتوحة المصدر (من 1.5 إلى 7 مليارات معلمة) واختبارات الرياضيات المرجعية، يتفوق أخذ العينات المتكرر باستمرار على أساليب الصقل الذاتي والتفكير المعقد أو يضاهيها عند تقييمها بتكلفة رموز متساوية، مما يكشف أن المكاسب الظاهرية للأخيرة تنبع غالباً من زيادة حجم التوليد بدلاً من استراتيجيات التفكير المتفوقة.
يعالج نظام DualG-MRAG أوجه القصور في أنظمة استرجاع المعلومات المعزز متعدد الوسائط الحالية في مهام الاستدلال المعقدة من خلال تقديم إطار عمل ثنائي المستويات مفكك يفصل بين الاستدلال الهيكلي العالمي (الاستدلال الكلي) وبين المطابقة الدقيقة للأدلة (المطابقة الجزئية) لتقليل ضجيج الاسترجاع وتعزيز دقة الإجابة على الأسئلة من خلال تمرير الرسائل القائم على الرسوم البيانية وفك التشفير باستخدام البرمجة الديناميكية.
تقدم هذه الورقة البحثية OSReward، وهو معيار شامل يكشف عن أوجه القصور في نماذج الرؤية واللغة الحالية كحكام للوكلاء المستخدمين للحاسوب، وتعالج هذه الفجوة من خلال إطلاق OS-Shepherd، وهي عائلة من نماذج المكافأة المفتوحة ومنخفضة التكلفة والمدربة على مجموعة بيانات جديدة موسومة بالاستدلال تضاهي الأداء التجاري بجزء بسيط من التكلفة.
تقدم هذه الورقة AISPA، وهو إطار عمل متمحور حول المستخدم لتدقيق مطالبات الأنظمة في تطبيقات الذكاء الاصطناعي التجارية، والذي يكشف عن تباين كبير في جودة التصميم، وانتشار التدابير الوقائية الضحلة، والتعايش المستمر للتعليمات الإشكالية التي تقوض مصالح المستخدم رغم الجهود المتزايدة نحو السلامة.
تُعد AskChem بنية تحتية جديدة تُحدث تحولاً في تركيب الأدبيات الكيميائية عبر نقل عملية الاسترجاع من الوثائق الكاملة إلى ادعاءات ذرية حاملة للمصدر، مما يُمكّن من بحث واكتشاف أكثر دقة وقابلية للتحقق والوصول عبر الذكاء الاصطناعي بين الأوراق البحثية المختلفة.
تُعد ReToken عبارة عن تضمين واحد خفيف الوزن وقابل للتعلم، يعمل بكفاءة على استرجاع الرموز البصرية ذات الصلة بالاستعلام من ذاكرة التخزين المؤقت (KV cache) المعبأة مسبقاً، مما يحسن بشكل كبير أداء نماذج الرؤية واللغة في مهام استرجاع الصور والفيديوهات ذات السياق الطويل مع بقائه ممكناً من الناحية الحسابية على وحدة معالجة رسوميات واحدة.