23845 ورقة بحثية
تقدم الورقة البحثية SyRuP، وهو إطار عمل للفك عند وقت التوليد يعزز التزام النماذج اللغوية الكبيرة بالتعليمات البرمجية للنظام من خلال تدريب رأس مكافأة عبر الانتباه المتقاطع لتوليد درجات التزام على مستوى الرمز (token) لمرشحي إعادة الترتيب دون الحاجة إلى ضبط النموذج الأساسي.
تتناول هذه الورقة مشكلة تصنيف الصور بميزانية محددة من خلال صياغتها كبرنامج صحيح مسألة (NP-Hard)، واقتراح استراتيجية متفوقة لتخصيص الموارد حساسة للمحتوى تعمل على ضبط تعقيد الشبكة العصبية العميقة ديناميكياً لتعظيم الدقة في ظل قيود حوسبية متغيرة.
تقدم هذه الورقة "Cloud Decoy AI Agent"، وهو إطار عمل يقرن طعوم السحابة عالية الدقة مع وكلاء نماذج لغوية ذاتية القيادة لضغط التحقيق في الاختراق من خلال تجميع الأدلة على مستوى الجلسة وتوظيف التوليد الديناميكي للمطالبات للتخفيف من الإيجابيات الكاذبة ومخاطر حقن المطالبات غير المباشرة، محققاً إعادة بناء كاملة لتسعة من أصل عشرة سيناريوهات خاضعة للتحكم في AWS S3 خلال دقائق.
تقترح هذه الورقة \method، وهو إطار عمل جديد للتعلم الاتحادي لإزالة الارتباط (de-confounding) للتنبؤ المكاني الزماني، يعامل العملاء كبيئات سببية متميزة للاستفمادة من تباينهم كأدلة تكميلية، مما يؤدي إلى تعلم رمز مرجعي نموذجي عالمي (global prototype codebook) يتفوق على الأساليب الحالية في القدرة على التعميم، وقابلية التفسير، وكفاءة الاتصال.
تقترح هذه الورقة البحثية وتقيم نماذج تعلم آلي للتنبؤ باستهلاك الطاقة في شبكات (O-RAN) الافتراضية، مظهرةً أن نهجاً هجيناً يجمع بين الشبكات العصبية العميقة (DNN) وخوارزمية (XGBoost) يحقق دقة فائقة (بنسبة خطأ أقل من 0.5%) مقارنة بالشبكات العصبية العميقة القياسية والمنتظمة، مما يتيح تنسيقاً أكثر كفاءة في استهلاك الطاقة للشبكة.
تقترح هذه الورقة إطاراً للفيزياء الإحصائية باستخدام ديناميكيات لانجفان الشبكية لنمذجة وإثبات رياضياً أن التوزيع الاستراتيجي لأقلية من الوكلاء "المدركين" عند المحاور الطوبولوجية يتيح تدخلاً سريعاً ومركزاً لمنع الانهيار الوهمي الناجم عن الذكاء الاصطناعي في المجتمع بفعالية، متفوقاً بذلك على النهج الموزع في ظل قيود الميزانية الصارمة.
تقدم هذه الورقة "Gubernaut"، وهو متحكم وقت تشغيل حتمي وغير مرتبط بنموذج محدد، يستخدم قياس التأثير عن بُعد على المستوى الميتاوي (meta-level) الخالي من الرموز (token-free) لتنظيم أنماط الفشل التفاعلية بنجاح في وكلاء النماذج اللغوية الكبيرة عبر عائلات متعددة من النماذج الرائدة، كما تم التحقق من ذلك من خلال بروتوكول تقييم صارم ومسجل مسبقاً.
تقدم الورقة البحثية نموذج MTSF-ANO، وهو نموذج هجين كمي-كلاسيكي يدمج الدوائر الكمية التباينية مع مراقبين تكيّفيين غير محليين للتفوق بشكل كبير على النماذج المرجعية الحالية والنظائر ذات المراقبات المحلية الثابتة في التنبؤ بالسلاسل الزمنية متعددة المتغيرات عبر مجموعات بيانات متعددة.
تقدم هذه الورقة LEX-EC، وهو إطار تدقيق للنماذج الصندوقية السوداء يجمع بين تشخيصات الانتشار، والاستئصال المعجمي، وتحليل حساسية المطالبة، للتمييز بين تأثيرات التوزيع الهامشي والإشارات الحقيقية المرتبطة بالسمات في تصنيف الشخصية لنماذج اللغات الكبيرة ذات التعلم الصفري عبر أنواع نصوص متنوعة.
تقترح الورقة البحثية UNIFUSION، وهو إطار عمل موحد يؤسس روابط بين مختلف أهداف الانتشار المنفصلة لتمكين التكيف المباشر للنماذج ذات الترتيب الذاتي سابقة التدريب مع انتشار الضوضاء الموحدة، محققةً أداءً هو الأفضل في فئته من حيث جودة التوليد ودقة المهام اللاحقة.