23941 ورقة بحثية
تقدم هذه الورقة SchGen، وهو أول نموذج لغوي كبير قادر على توليد مخططات لوحات الدوائر المطبوعة (PCB) القابلة للتعديل من طلبات باللغة الطبيعية، والذي يحقق دقة عالية من خلال استخدام تمثيل برمجِي جديد ذي أساس دلالي ومجموعة بيانات واسعة النطاق للتغلب على قيود تنسيقات المخططات التقليدية كثيفة الهندسة.
تقدم الورقة البحثية LLMSurgeon، وهو إطار عمل يقدر مزيج بيانات ما قبل التدريب للنماذج اللغوية الكبيرة عبر حل مسألة عكسية مقيدة لتصحيح الارتباك المنهجي في المجالات، مما يتيح التدقيق اللاحق لـ "الحمض النووي الرقمي" للنموذج دون الوصول إلى بيانات تدريبه.
تقدم هذه الورقة البحثية VideoMLA، وهي بنية مبتكرة تطبق آلية الانتباه الكامن متعدد الرؤوس (Multi-Head Latent Attention) على نماذج الانتشار الفيديوية ذاتية الانحدار لمدة دقيقة واحدة، محققةً خفضاً بنسبة 92.7% في ذاكرة التخزين المؤقت لـ KV وتحسيناً في معدل الإنتاجية بمقدار 1.23 ضعفاً مع الحفاظ على جودة النموذج الأساسي أو تجاوزها، على الرغم من نجاح هذه الطريقة رغم أن آلية الانتباه مسبقة التدريب ليست منخفضة الرتبة بطبيعتها.
تُظهر هذه الحالة الدراسية أنه بينما يمكن لوكلاء الذكاء الاصطناعي تطوير برمجيات علمية بشكل مستقل، فإن موثوقيتهم في سياقات الفيزياء تعتمد بشكل حاسم على ممارسات الإشراف البشري — مثل الاختبارات المتنوعة والقيود الفيزيائية الصريحة — بدلاً من مجرد توسيع نطاق النماذج، حيث يواجه الوكلاء حالياً صعوبة في التمييز بين معالجة الأعراض السطحية وحلول الأسباب الجذرية الحقيقية أو اقتراح التغييرات الهيكلية الضرورية.
تُعد DSSE بيئة بحث لسرب من الطائرات بدون طيار قائمة على PettingZoo، صُممت لتسهيل دراسة خوارزميات التعلم المعزز متعدد الوكلاء التي تستخدم خرائط احتمالية ديناميكية لتحديد موقع الهدف دون مكافآت مباشرة تعتمد على المسافة.
تقدم هذه الورقة البحثية "التمثيلات الهولوغرافية المختزلة المعممة" (GHRR)، وهي امتداد مبتكر للحوسبة فائقة الأبعاد يستخدم عملية ربط مرنة وغير تبادلية لترميز البنى التركيبية المعقدة بشكل أفضل وتنفيذ آليات الانتباه، مما يثبت في النهاية أداءً متفوقاً على نماذج "ترانسفورمر" التقليدية في مهام نمذجة اللغة.
تُظهر هذه الدراسة أن تطبيق المعالجة المسبقة باستخدام SMOTE-Tomek بالتزامن مع التحقق المتقاطع لـ K-fold الطبقي على مجموعة بيانات PROMISE يحسن بشكل كبير دقة تصنيف المتطلبات الوظيفية وغير الوظيفية، مما يرفع أداء الانحدار اللوجستي من خط أساس بنسبة 58.31% إلى 76.16%.
تقدم هذه الورقة البحثية TELLME، وهي طريقة مبتكرة تعزز الشفافية الجوهرية وقابلية المراقبة للنماذج اللغوية الكبيرة من خلال تحسين عمليات التفكير الكامنة لديها، مما يتيح تحديداً أكثر فعالية للسلوكيات غير المناسبة ويُظهر مكاسب أداء متسقة عبر مختلف البنى ومهام إزالة السموم.
تقدم الورقة البحثية إطار عمل MM-PoisonRAG، الذي يوضح أن أنظمة التوليد المعزز بالاسترجاع متعددة الوسائط معرضة بشدة لكل من هجمات التسميم الموضعي المستهدف والتسميم العالمي الواسع، والتي يمكن أن تؤدي إلى تدهور دقة النموذج وتجاوز الدفاعات الحالية بشكل خطير.
تُحلل هذه الدراسة المسحية بشكل شامل تقنيات التعلم العميق لتصنيف السفن باستخدام رادار الفتحة الاصطناعية (SAR) من خلال وضع تصنيف جديد، وتحديد الاتجاهات والتحديات الحرجة مثل ندرة البيانات وقابلية التفسير، ورسم التوجهات البحثية المستقبلية لتعزيز أنظمة المراقبة البحرية.