24055 ورقة بحثية
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.
تقدم هذه الورقة VeriTrip، وهو معيار مرجعي قابل للتحقق يقيم وكلاء تخطيط السفر على مجموعات بيانات الويب متعددة الوسائط غير المهيكلة من خلال إنشاء قاعدة معرفية متزامنة لقياس الموثوقية الواقعية والكشف عن مقايضة حرجة بين العبء المعرفي للاسترجاع الذاتي والاحتفاظ بالتعليمات.
تُظهر هذه الدراسة أنه في حين يمكن للتدرجات المنتشرة عكسياً من الشبكات العصبية العميقة أن تتنبأ بنشاط الدماغ البشري في المناطق البصرية العليا، إلا أن تنظيمها المكاني والزماني يختلف جوهرياً عن المعالجة الهرمية للدماغ، مما يشير إلى أن التعلم العميق والدماغ يعتمدان على الأرجح على آليات تعلم متميزة رغم اشتراكهما في محتوى تمثيلي مماثل.
تقترح هذه الورقة استراتيجية محاكاة جديدة قائمة على الفيزياء، معززة بفك الارتباط الحقيقي للبقع (speckle decorrelation) والتحسين التكراري، لتوليد مجموعة بيانات واقعية ضوئياً تمكن نماذج التعلم العميق من تحقيق تقدير فائق للتشوه العضلي القلبي عالمياً وإقليمياً، متجاوزةً بذلك دقة المعيار السريري الحالي.
تتحدى هذه الورقة البحثية استنتاج معيار GSM-Symbolic القائل بافتقار النماذج اللغوية الكبيرة إلى القدرة على التفكير الحقيقي، وذلك من خلال إثبات أن الانخفاضات المسجلة في الأداء غالباً ما تكون غير ذات دلالة إحصائية ومربكة بسبب تحولات توزيعية غير محسوبة في نصوص المسائل، مما يكشف بدلاً من ذلك عن أن إخفاقات النماذج هي إخفاقات محددة وغير متجانسة وليست عالمية.
تقترح هذه الورقة إطاراً لنمذجة التعددية الأخلاقية في الذكاء الاصطناعي من خلال تمثيل الاستدلال الأخلاقي كتوزيع احتمالي عبر مجمع (simplex) للأخلاق المعيارية، وذلك باستخدام بنية دلالية ثنائية المسار وتعلم تجميعي متراكم لتحقيق دقة بلغت 88.89% في تصنيف المعضلات الأخلاقية عبر النفعية، وأخلاق الفضيلة، والواجب الأخلاقي.