23941 ورقة بحثية
تجادل هذه الورقة بأن الذكاء الاصطناعي المتجسد يتطلب نماذج عالمية قابلة للتطبيق فيزيائياً، قادرة على الإجابة على استعلامات التدخل من خلال تحديد أبسط تجريد فيزيائي ضروري للنتائج الدقيقة، بدلاً من الاعتماد على النماذج التنبؤية القائمة على الملاحظة التي غالباً ما تفشل تحت تأثير التدخلات الفيزيائية.
تكشف هذه الورقة أنه بينما يعتمد استنتاج النماذج اللغوية الكبيرة (LLM) في مرحلة الدفعة الأولى (batch-1) للذكاء الاصطناعي الفيزيائي على الذاكرة، فإن وحدات معالجة الرسومات الأسرع تعاني من أعباء إضافية غير متناسبة في جانب الإطلاق تمنع تحقيق مكاسب متناسبة في زمن الاستجابة، وأن طرق التكميم القياسية غالبًا ما تفشل في تحقيق تسريع السرعة المتوقع ما لم تقترن بنواة محسنة للغاية مثل GPTQ+ExLlamaV2.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي المدرك لعدم اليقين من أجل القيادة الذاتية، يقوم بتفعيل وتنظيم نصيحة الخبير ديناميكياً بناءً على عتبات عدم يقين تكيفية واستراتيجية التزام-فترة تبريد، مما يتيح استكشافاً أكثر أماناً وكفاءة في التقاطعات غير المنظمة مع تجنب الاعتماد طويل الأمد على توجيه الخبير.
تقدم هذه الورقة ImmigrationQA، وهي مجموعة بيانات مستندة إلى مصادر تتضمن أكثر من 17,000 زوج من الأسئلة والأجوبة المستمدة من لوائح الهجرة الأمريكية، وتثبت أن الضبط الدقيق لنموذج Llama 3.2 الصغير ذي الـ 3 مليارات معلمة على هذه البيانات يحسن أداءه بشكل كبير في استعلامات إجراءات الهجرة مقارنة بالنماذج الأساسية الأكبر، كل ذلك مع الحفاظ على تكلفة حوسبة منخفضة.
تقدم هذه الورقة "درجة الحساسية السببية" (CSS)، وهي مقياس تدخلي يكشف عن تباينات جوهرية بين أداء نماذج الذكاء الاصطناٍعي السريري في معايير التغطية القياسية وبين استجابتها الفعلية للتغيرات الحرجة في بيانات المرضى، مما يكشف عن ملفات تعريف القدرات الخفية ونقاط العمى في السلامة الشاملة التي تغفل عنها طرق التقييم التقليدية.
تقترح هذه الورقة بنية تشغيل لوكلاء نماذج لغوية كبيرة (LLM) قابلة للنشر محلياً وعلى نطاق المؤسسة للأمن السيبراني المالي المنظم، والتي تفرض سياقاً أمنياً نمطياً عبر جميع المكونات، وتدمج أنظمة SIEM/XDR كمحفزات أساسية، وتضمن القابلية للتدقيق من خلال مهايئات أدوات محكومة، ونتائج مهيكلة، وبوابات تدخل بشري متعددة المستويات.
تحلل هذه الورقة تعلم المكافأة من بيانات التفضيل من نوع "الأفضل من N" عبر اشتقاق أهداف ذات صيغة مغلقة للمتغيرات المستقلة، وتوصيف المقايضة بين الهامش والاتصال التي تملي الاختيار الأمثل لـ N، واقتراح مبادئ تصميمية لموازنة تكاليف التوليد مقابل كفاءة التسمية.
تقدم هذه الورقة إطار عمل جديد للتعلم النشط يستفيد من النقل الأمثل الخطي لتعيين التوزيعات الاحتمالية في نموذج عملية غاوس، مما يتيح الاختيار الاستراتيجي لأوقات القياس المثلى لاستنتاج المسارات المستمرة من لقطات متباعدة ومدمرة في مجالات مثل بيولوجيا الخلية الواحدة.
تقدم الورقة البحثية "Rationalize"، وهو إطار عمل قائم على ثنائية الأدوار يعزز التوافق بين الإنسان والذكاء الاصطنا_عي في عملية استنباط المعنى القائمة على البيانات من خلال إنشاء مساحة استدلال مشتركة حيث تقوم الأدوار المتكاملة بصياغة القصد والمنطق بشكل صريح لتسهيل الفهم والتعاون ثنائي الاتجاه.
تقدم هذه الورقة البحثية PInVerify، وهو معيار تجريبي مجسد غير متصل بالإنترنت مصمم لتقييم مهام التحقق النشط من العينات (AIV) حيث يجب على الوكلاء إجراء عمليات فحص متعددة المشاهد للتمييز بين سمات الأشياء دقيقة التفاصيل، مما يكشف أنه بينما يحقق الوكلاء الذين تم ضبطهم باستخدام تقنية LoRA أداءً قويًا، فإن استراتيجيات "أفضل مشهد تالٍ" الحالية لا توفر بعد مكاسب موثوقة مقارنة بالنماذج المرجعية الثابتة.