23845 ورقة بحثية
يقدم البحث EmoAgent-R1، وهو إطار عمل مبتكر يستفيد من التخصص الديناميكي للوكلاء القائم على التعلم التعزيزي وخوارزمية تحسين السياسة النسبية للمجموعة التقدمية (P-GRPO) لتعزيز التعرف على العواطف متعدد الوسائط من خلال تمكين النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) من تكييف استراتيجيات الاستدلال الخاصة بها ديناميكيًا مع مصادر العواطف المعقدة والمتغيرة.
يُعد Semalith v1.4 مصنف سلامة عالي الكفاءة بـ 184 مليون معلمة، يحقق مستويات رائدة في اكتشاف حقن الأوامر (prompt-injection) وصفر من الإيجابيات الكاذبة في المطالبات الوكيلية السليمة، مع امتلاكه 44 ضعفاً أقل من المعلمات مقارنة بـ Llama-Guard-3-8B، بينما يتميز بقدرته الفريدة على تقديم اكتشاف متزامن للضرر العام والامتثال التنظيمي المالي في تمريرة استدلال واحدة.
تُظهر هذه الدراسة أن أنظمة مراجعة الأقران المؤتمتة تحقق أعلى درجات التوافق مع الأحكام البشرية عندما تسترشد بالإرشادات الرسمية للمؤتمرات بدلاً من المحاكاة التي تولدها النماذج اللغوية الكبيرة، وأن السماح بالتقييم الشمولي يتفوق على النهج الصارم القائم على القواعد.
تكشف هذه الورقة أن النماذج اللغوية الكبيرة غالباً ما تظهر عدم استقرار ملحوظ في إجاباتها عند مواجهة إعادة صياغة تحافظ على المعنى، مما يثبت أن مقاييس الدقة القياسية يمكن أن تخفي مشكلات الموثوقية وأن استراتيجيات إعادة الصياغة الذاتية يمكن أن تستعيد المعرفة الكامنة بفعالية لتحسين الأداء.
تقترح هذه الورقة MIITA، وهو إطار عمل للتكيف أثناء الاستنتاج مستحث بالذاكرة يُمكّن النماذج اللغوية الصغيرة من أداء التعلم المستمر في ظل تخزين مقيد عبر استرجاع نماذج أولية مدمجة لاتجاه التصحيح أثناء الاستنتاج لتكييف الحالات الخفية دون تحديث معاملات العمود الفقري أو التسبب في النسيان الكارثي.
تقدم الورقة البحثية PAJAMA، وهو نظام تقييم قابل للتوسع يعمل على استخلاص منطق اتخاذ القرار في النماذج اللغوية الكبيرة وتحويله إلى أحكام برمجية شفافة وفعالة من حيث التكلفة لتضاهي أداء أحكام النماذج اللغوية الكبيرة مع تقليل زمن الاستجابة وتكاليف واجهة برمجة التطبيقات بشكل كبير.
تقدم هذه الورقة خط إنتاج قابلاً للتوسع ومستنداً إلى المعايير يسمى ScenarioGeneratorAgent، والذي يوسع معيار AssetOpsBench عبر سيناريوهات محولات الشبكة الذكية وأدوات تشخيص متوافقة مع معايير IEC، محققاً خفضاً في وقت التشغيل بمقدار ثمانية أضعاف من خلال تحسينات متعددة المستويات مع الحفاظ على جودة عالية للسيناريوهات.
تقترح هذه الورقة إطار عمل لتقليم خرائط الميزات المدرك للخسارة للشبكات العصبية الالتفافية، والذي يستخدم خوارزميات العصا متعددة الأذرع، وتحديداً UCB1 وThompson Sampling، لتحديد وإزالة القنوات الالتفافية الزائدة بكفاءة مع الحفاظ على دقة النموذج عبر مجموعات بيانات متنوعة.
تقترح الورقة البحثية DSTFView، وهو إطار عمل متعدد الرؤى ثنائي المدخلات مكاني-زماني-ترددي، يوازن بفعالية بين نمذجة الميزات وكفاءة التنبؤ للتنبؤ بأعباء عمل السحابة والحافة التعاونية من خلال التقاط الاعتمادات المكانية والزمنية والترددية بشكل مشترك مع دمج الرؤى تكيفيًّا للتعامل مع التغيرات المفاجئة.
تقدم الورقة البحثية MedLoCoMo، وهو معيار مرجعي جديد مستمد من بيانات MIMIC-IV، والذي يقيم قدرة النماذج اللغوية الكبيرة على إجراء الاستدلال السريري الخاص بالمريض عبر حوارات طبية متعددة الجلسات وطويلة السياق، كاشفاً أن الاستدلال عبر التنويمات المتعددة يظل أكثر صعوبة بشكل ملحوظ من استخدام الأدلة الموضعية حتى مع تقنيات التعامل المتقدمة مع السياق.