23845 ورقة بحثية
تقترح هذه الورقة استراتيجية تدهور تدريجي عند الفشل لأنظمة القيادة الآلية القائمة على الذكاء الاصطناعي، والتي تستخدم طريقة تدفق تطبيعي مبتكرة لتقدير جودة الصورة وخفض عتبات الثقة ديناميكيًا، مما يقلل من الأخطاء الحرجة في الظروف سيئة الجودة دون اللجوء إلى حلول احتياطية.
تقدم هذه الورقة إطار عمل لوكيل ذاتي التكهن يوحد بين حل المهام والتنبؤ بالاستدعاء التالي للأداة ضمن نموذج واحد، مستفيداً من طريقة تعلم تعزيزي مشتركة لتحسين دقة التكهن بشكل كبير وتقليل زمن الاستجابة دون المساس بأداء المهام.
تقدم هذه الورقة سير عمل وكيلِيّاً يعمل على أتمتة ترجمة البروتوكولات الكمومية النظرية إلى تجارب على معالجات الذرات المحايدة القائمة على السحابة، حيث نجحت في إثبات قدرتها على تشغيل حملات ليلية مع تسليط الضوء على الضرورة المستمرة للخبرة البشرية من أجل التحقق العلمي وتحديد الإمكانات الكبيرة للتنفيذ على الأجهزة في المدى القريب.
تقترح هذه الورقة إطار عمل جديداً لتحسين القيود الموزعة واسع النطاق يجمع بين خوارزميات التعلم عبر الإنترنت وطريقة تسعير تكرارية لتفكيك المشكلات المعقدة إلى مشكلات فرعية لتخصيص المهام والجدولة المحلية، محققةً أداءً يقارب المثالية في جدولة الأقمار الصناعية اللامركزية من خلال تلبية أكثر من 99% من طلبات الرصد.
تقدم هذه الورقة HiSkill، وهو إطار عمل لمخطط مهارات هرمي ينظم مسارات التفاعل في مخطط مهيكل يربط المهارات عالية المستوى بالأفعال القابلة للتنفيذ، مما يمكّن وكلاء النماذج اللغوية الكبيرة من استرجاع المخططات الفرعية ذات الصلة بالمهام بكفاءة والقيام بالتنفيذ الموجه الذي يتفوق على الأساليب الحالية مع تقليل استهلاك الرموز (tokens).
إن OmniQEC هو إطار عمل لعلماء الذكاء الاصطنايعي يستفيد من النماذج اللغوية الكبيرة ومن سير عمل بحثي تآزري (بطيء-سريع) لاكتشاف أكواد تصحيح أخطاء كمومية عملية وصديقة للأجهزة تتفوق على المعايير الحالية من خلال التصميم المشترك لبنية الكود، واستخراج المتلازمة، وفك التشفير.
تقدم هذه الورقة أول دراسة تجريبية تثبت أن الإصلاح التلقائي للبرامج القائم على النماذج اللغوية الكبيرة (LLM) والناجح يعتمد على توزيع الانتباه عبر مكونات تشخيصية متنوعة في تقارير الأخطاء، بينما تعود حالات الفشل إلى تركيز الانتباه المفرط على البيانات الوصفية، مما يسلط الضوء على سوء تخصيص الانتباه كعامل رئيسي في عدم اتساق عملية الإصلاح.
تقترح هذه الورقة البحثية إطار عمل A2TTA، وهو إطار "التكيف عند وقت الاختبار المرتكز والمرن" (Anchored-and-Agile Test-Time Adaptation) الذي يعالج تحديات شبكات مستشعرات المرور المتطورة عبر تحويل توسع الطوبولوجيا إلى مشكلة معايرة للمخرجات، وفصل التحولات الزمنية إلى تصحيح عالمي مستمر وتخصص سياقي مرن، مما يحسن أداء التنبؤ بشكل كبير في البيئات الديناميكية.
تقترح هذه الورقة إطار عمل متعدد الوكلاء لنمذجة المخاطر الاكتوارية يستفيد من الاحتمالات اللوغاريتمية على مستوى الرمز (token-level log-probabilities) والشبكات البايزية لتقدير ونشر عدم اليقين أثناء وقت التشغيل، مما يضمن دعم اتخاذ القرار بشكل موثوق في سير العمل القائم على النماذج اللغوية الكبيرة (LLMs) في المهام عالية المخاطر.
تقدم هذه الورقة Stemma، وهي طريقة قوية تعتمد على الصندوق الأسود لاختبار أصل النماذج اللغوية الكبيرة، تقوم برسم خرائط للمخرجات مفتوحة النهاية إلى مناطق قرار مستحثة للتغلب على اختلافات الصيغة السطحية، محققةً دقة هي الأفضل في فئتها عبر مختلف تحولات النماذج وإعدادات النشر.