23845 ورقة بحثية
تقدم هذه الورقة CallBench، وهو معيار مرجعي صيني شامل يتكون من 50,000 حوار متعدد الجولات عبر ستة سيناريوهات لتقييم قدرات تنسيق الأهداف المزدوجة الصعبة لمساعدي المكالمات الهاتفية، مما يكشف أن الأساليب الحالية تواجه صعوبة في الموازنة بفعالية بين أهداف مالك الجهاز الصريحة والمحددة مسبقاً وبين أهداف المتصل الضمنية والديناميكية.
تحدد هذه الورقة تعقيد البيانات والتعقيد المشترك للإجابة على استعلامات المسار المنتظم ثنائية الاتجاه عبر قواعد المعرفة المعرفة بقواعد وجودية خطية ومحمية، مما يثبت أن هذه المهام تطابق ملفات التعقيد الخاصة بالاستعلامات الاندماجية القياسية، وفي الحالة الخطية، استعلامات قواعد بيانات الرسوم البياسية العادية.
باستخدام بيانات طولية من برنامج "All of Us" البحثي وتقنيات التعلم الآلي، تجد هذه الدراسة أنه في حين تظهر التعرضات البيئية قصيرة المدى ارتباطات محدودة بصعوبات الإدراك الذاتي بعد مراعاة التباين داخل الموقع الواحد، فإن العوامل النفسية والاجتماعية مثل عبء الصحة العقلية، والوحدة، والأداء الاجتماعي، ترتبط بشكل ثابت وأقوى بهذه النتائج الإدراكية.
تقدم هذه الورقة AutoCluster وAutoTopicModeling وAutoTrendAnalysis، وهي عبارة عن مسار عمل شامل للتعلم الآلي المؤتمت (AutoML) يعمل على أتمتة عمليات التجميع، ونمذجة المواضيع، والتنبؤ بالسلاسل الزمنية للبيانات النصية للتنبؤ بالاتجاهات الناشئة بدقة وبأقل قدر من التدخل اليدوي.
يُعد CRAFT إطار عمل لتدريب ما بعد المعالجة يتكون من مرحلتين لوكلاء البرمجة في المؤسسات، حيث يتعلم سلوكيات التخطيط والتنفيذ القائمة على المخططات (schema-grounded) دون الحاجة إلى حقن المخططات بشكل شامل أثناء وقت التلقين، مما يحسن الأداء التحليلي والاتساق والكفاءة بشكل كبير مع تقليل العبء الإضافي للرموز (token overhead).
تقترح الورقة البحثية إطار عمل MM-R2، وهو إطار عمل وكيل متعدد الوسائط يعمل على تحسين التوليد المعزز بالاسترجاع من خلال التفكير الصريح في أهداف الاسترجاع وهيكلة فضاء البحث عبر خريطة معرفية (KnowledgeMap)، مدعوماً بمجموعة بيانات مسار جديدة واستراتيجية تدريب لاحق على مرحلتين لتحقيق دقة وقابلية تفسير فائقتين في مجموعات البيانات المرجعية.
يُعد DocHRL إطار عمل للتعلم التعزيزي الهرمي يقوم باختيار سياسة التصنيف الأكثر فعالية من حيث التكلفة لكل مستند ديناميكيًا عبر الموازنة بين تكاليف الاستدلال، والتصنيف الخاطئ، والمراجعة البشرية، محققًا أداءً فائقًا وكفاءة تشغيلية على معيار RVL-CDIP مقارنة بمسارات العمل الثابتة.
تجسّر هذه الورقة الفجوة بين أداء التعلم داخل السياق للنماذج اللغوية الكبيرة مسبقة التدريب على نماذج ماركوف الخفية وآلياتها الداخلية من خلال التضييق التجريبي للمرشحات الخوارزمية، والتحقق النظري من تنفيذها عبر بنية المحولات (Transformer)، وتقديم مسبار التنشيطات الرئيسية لتحديد والتلاعب سببيًا بالتمثيلات الخطية منخفضة الأبعاد التي تقود هذه التنبؤات.
إن PTStore هو نظام موزع مستوحى من تخزين الشبكات لتوصيل المحتوى (CDN) يقوم بتكرار بادئات ذاكرة التخزين المؤقت (KV cache prefixes) الشائعة عبر العقد لتقليل زمن انتقال الاستدلال، وموازنة أحمال الخوادم، وتمكين التوسع الهائل في الذاكرة، مما يؤدي إلى كفاءة أعلى بمقدار 5-6 مرات لاستدلال النماذج اللغوية الكبيرة ذات السياق الطويل مقارنة بالنماذج المرجعية الحالية.
تُثبت هذه الورقة أن التحسين الذاتي المتكرر في النماذج اللغوية الكبيرة يعمل كعملية ديناميكية حيث يتقارب النص بسرعة نحو توازن مستقر يفضله النموذج، ويتميز بتضاؤل أسي في مقدار التعديل، بدلاً من الخضوع لعملية تحسين غير محدودة.