23845 ورقة بحثية
تجسّر هذه الورقة الفجوة بين النمذجة الهجينة الميكانيكية-البيانية وبين الذكاء الاصطناعي العصبي-الرمزي عبر تقديم إطار عمل "من الهجين إلى العصبي-الرمزي" (H2N) الذي يعيد بناء التصاميم الحالية في واجهة دلالية موحدة، مما يتيح اشتقاق مقاييس جديدة (معدل الانتهاك الهيكلي وتشتت الاعتقاد) لتقدير عدم اليقين المعرفي والالتزام الهيكلي بشكل صريح من أجل تحسين التحقق من النماذج والاستقراء.
تُظهر هذه الورقة أن عميلاً مستقلاً يعتمد على النماذج اللغوية الكبيرة يمكنه تنفيذ وتقييم ٢٦ طريقة لإعادة بناء الصور المقطعية بشكل مستقل، مما يكشف أن التصنيفات القائمة على بيانات مثالية وخالية من الضجيج تفشل في التنبؤ بالأداء تحت ظروف الضجيج الواقعية، وتسلط الضوء على ضرورة وجود معايير تقييم واقعية متعددة العوامل لقياس المتانة.
تقدم هذه الورقة DisenMamba، وهو إطار عمل مبتكر يعالج مشكلات تراكم التكرار وتجانس التمثيل في كشف شذوذ حركة مرور الشبكة القائم على نماذج Mamba متعددة الرؤى، وذلك من خلال إعادة صياغة عملية المسح إلى آلية "الفصل ثم الدمج" على مرحلتين لفصل المعلومات الثابتة عبر الرؤى والمعلومات الخاصة بكل رؤية والحفاظ عليهما بشكل صريح.
تقدم هذه الورقة طريقة تكييف خفيفة الوزن وصندوقية سوداء تتعلم متجه انحياز لوجيت (logit-bias) واحد غير معتمد على السياق عبر هدف تعلم تعزيزي منظم بتباعد كولباك - ليبلر (KL-regularized) لتحسين أداء النماذج اللغوية في مهام الاستنتاج دون تعديل أوزان النموذج أو الحاجة إلى الوصول إلى التدرجات.
يقترح فريق DS@GT مساراً موجهاً باللغة ومعززاً بالاسترجاع للأسئلة والأجوبة المالية متعددة اللغات يجمع بين تضمينات BGE-M3 ودمج الرتب العكسي الموزون وتسجيل الخيارات المباشر عبر احتمالات اللوغاريتم للرمز التالي، مما يثبت أن الأداء الأمثل يتطلب اختيار نماذج خاصة بكل لغة وتجنباً دقيقاً لتلقين سلسلة الأفك "chain-of-thought" لبعض اللغات.
تقدم هذه الورقة البحثية إطار عمل HFS، الذي يستخدم نهج نقل متعدد التدفقات بتوجيه من التطبيق لإدارة التزاحم في الشبكة بفعالية بين حركة فيديو البث المباشر وحركة سياق الوكيل في الاتصالات في الوقت الفعلي المعززة بالوكيل على الأجهزة، مما يؤدي إلى تحسين جودة الفيديو وتقليل زمن استجابة الوكيل بشكل كبير.
تقدم هذه الورقة البحثية Spatial-IQ، وهو إطار تشخيصي هرمي يفكك الاستدلال المكاني إلى مهام فرعية إدراكية ومعرفية للكشف عن سلوكيات الاختصار في النماذج اللغوية الكبيرة متعددة الوسائط، وتُظهر أن التدريب باستخدام الإشراف بسلسلة الأفك والأدوات والتعلم المعزز على هذه المهام الفرعية يحسن بشكل كبير كلاً من الاتساق المكاني ودقة المهام الإجمالية.
تُظهر هذه الدراسة أن شبكات الانتباه الرسومية يمكنها نمذجة التبعيات المكانية بفعالية للتنبؤ باللدائن الدقيقة والتربة والمواد العضوية بدقة عالية، رغم أن قدرتها على التعميم محدودة حالياً بسبب صغر أحجام العينات وهياكل الرسوم البيانية المتفرقة.
تكشف هذه الدراسة التكرارية واسعة النطاق أنه بينما تُعد تغطية الكود ودرجات الطفرات مؤشرات غير موثوقة للكشف عن الأخطاء الحقيقية للاختبارات المولدة بواسطة النماذج اللغوية الكبيرة في السيناريوهات التي قد يكون فيها الكود الخاضع للاختبار معيباً بالفعل، إلا أنها تظل إشارات ذات مغزى في إعدادات نمط التراجع، مما يتحدى الاستنتاجات السابقة حول هيمنة حجم مجموعة الاختبار كعامل مربك.
تحدد هذه الورقة وتُحدد كمياً "تأثير التضليل"، حيث تدفع الأكواد البرمجية التي تحتوي على أخطاء النماذج اللغوية الكبيرة لتوليد اختبارات تُثبت صحة الأخطاء بدلاً من اكتشافها، وتقترح نموذجاً للتحفيز القائم على المواصفات يخفف من هذه المشكلة بفعالية من خلال استبدال الكود البرمجي الذي يحتوي على أخطاء بمواصفات مُولدة لإنتاج اختبارات وحدة أكثر فعالية.