24052 ورقة بحثية
تُصوّر هذه الورقة تحسين الرموز (token optimization) كمسألة تحويل متعددة الأهداف ومقيدة لعملية الهجرة من Oracle إلى PostgreSQL القائمة على النماذج اللغوية الكبيرة (LLM)، حيث تقيم اثنتي عشرة استراتيجية لتثبت أنه بينما يؤدي الضغط الشديد إلى خفض الدقة الدلالية بشكل جذري، فإن التوجيه التكيفي وتقليم السياق الطفيف يقدمان أكثر المقايضات فعالية بين كفاءة الرموز وجودة الكود.
تقدم هذه الورقة إطاراً توزيعياً موحداً قائماً على مسافة واسرستاين (Wasserstein distance) يمثل سمات المشفّر التلقائي المتناثر (Sparse Autoencoder) كتوزيعات موزونة بالتنشيط لتمكين المطابقة الدلالية القوية عبر الطبقات والضغط التلقائي لدوائر السمات إلى عقد فائقة (supernodes) قابلة للتفسير.
تتناول هذه الورقة تحديات توسيع نطاق اختيار النماذج في مراكز الذكاء الاصطناعي سريعة التوسع من خلال صياغة إطار عمل توجيه النماذج المستمر (CMR)، وتقديم معيار CMRBench واسع النطاق، واقتراح طريقة CARvE، وهي طريقة تضمين تبايني تتفوق بشكل كبير على النماذج المرجعية الحالية في دقة التوجيه عبر مختلف النماذج والمهام.
تقدم هذه الورقة MUSE، وهو معيار إطار عمل تقييمي جديد مصمم للنهوض بتوليد النماذج من النصوص إلى التصميم بمساعدة الحاسوب (Text-to-CAD) لما يتجاوز مجرد التشابه الهندسي البسيط، وذلك عبر تقييم تجميعات تمثيل الحدود المحددة (B-Rep) القابلة للتعديل والمعقدة مقابل معايير هندسية حاسمة مثل الوظيفية، وقابلية التصنيع، وقابلية التجميع.
يحلل هذا التقرير التقني ما يقرب من 4,000 مهارة من مهارات الوكلاء الذكيين من الأسواق الرئيسية ليكشف أن 13.4% منها تحتوي على مشكلات أمنية حرجة، بما في ذلك 76 حمولة ضارة مؤكدة، مما يسلط الضوء على الحاجة الملحة لتدابير أمنية مؤتمتة مع توسع الأنظمة البيئية للوكلاء.
تقترح هذه الورقة Under-Cali، وهو إطار عمل للمعايرة ثنائي الخبراء مدفوع بعدم اليقين، يتيح التنبؤ عبر الإنترنت بكفاءة واستقرار للسلاسل الزمنية متعددة المتغيرات غير المنتظمة من خلال توجيه العينات ديناميكيًا بين خبراء موثوقين وغير موثوقين بناءً على عدم اليقين المقدر، كل ذلك مع إبقاء النموذج المصدر مجمدًا.
تقدم هذه الورقة مقياس الاختيار البديل السياقي (CAC) لتقييم النماذج اللغوية كمياً بناءً على الخصائص التركيبية الرسمية وخصائص الخطاب الوظيفية لأدوات التعيين في اللغة الإنجليزية، مما يكشف أنه بينما تستطيع بعض النماذج الضخمة جداً مضاهاة أداء الأطفال البشر في كلا المعيارين، لا يحقق أي نموذج حالي تم تدريبه على بيانات مماثلة هذا الأمر في آن واحد.
تُعدُّ LACUNA نموذج برمجة آمنًا لوكلاء النماذج اللغوية الكبيرة (LLMs)، حيث تعامل الأفعال كفجوات برمجية ذات أنواع محددة يملؤها النموذج ويتم التحقق منها عبر فحص الأنواع الساكن قبل التنفيذ، مما يوحد تدفق التحكم الخاص بالوكيل مع الكود المُولَّد مع منع حالات الفشل عند التشغيل وتقييد الوصول إلى الأدوات.
تقدم الورقة البحثية "AutoScientists"، وهي فريق لامركزي من وكلاء الذكاء الاصطناعي الذين ينظمون أنفسهم ذاتياً لإجراء تجارب علمية طويلة الأمد من خلال التوليد والتحليل النقدي المتكرر للفرضيات، متفوقةً بشكل كبير على النهج الحالية أحادية الوكيل والمركزية عبر مهام تعلم الآلة في المجال الحيوي الطبي، وتحسين النماذج اللغوية، والتنبؤ بلياقة البروتين.
بناءً على مقابلات مع ٢٤ موظفاً في قطاعات تكنولوجيا المعلومات والخدمات والرعاية الصحية، تكشف هذه الورقة أن تأثير الذكاء الاصطناعي على الرضا الوظيفي يتباين باختلاف المجال، حيث يتوقع العاملون تغيرات متباينة في التصورات المتعلقة بكرامة العمل وجدواه، مثل توقع المتخصصين في تكنولوجيا المعلومات والرعاية الصحية تحسناً في التوازن بين العمل والحياة مع انخفاض في المكانة الاجتماعية، بينما يتوقع عمال الخدمات تحسناً في المكانة الاجتماعية رغم عدم حدوث تغيير في ساعات العمل.