24055 ورقة بحثية
تُعد SwarmHarness بروتوكولاً لامركزياً يُمكّن من توجيه المهام القائمة على المهارة ومشاركة الحوسبة المتوافقة مع الحوافز بين وكلاء الذكاء الاصطناعي عبر استخدام سجل يعتمد على جداول التوجيه الموزعة (DHT)، وموجه مدفوع بالمنفعة، ونظام ائتمان قائم على قيمة شابلي (Shapley value) لإنشاء ذكاء سربي ناشئ وذاتي التنظيم دون سلطة مركزية.
تقدم هذه الورقة LearnWeak، وهو إطار عمل خالٍ من التوسيم يستفيد من وكيل مرجعي أقوى لتحديد واستهداف نقاط ضعف محددة في وكلاء استخدام الحاسوب الصغار، مما يحقق مكاسب كبيرة في الأداء عبر مجالات متنوعة من خلال التخصص الواعي بالأخطاء وتوليد البيانات المستهدف.
تُظهر هذه الدراسة أنه بينما يوفر الاسترجاع غير المنظم من الويب تغطية أوسع للمهام الاستكشافية، تظل البيانات الوصفية الدلالية لا غنى عنها للوكلاء المستقلين لاسترجاع بيانات قابلة للتنفيذ ومتوافقة مع مبادئ FAIR بشكل موثوق وبدقة وفائدة أعلى بكثير مقارنة بالوكلاء الذين يتنقلون في الويب المفتوح.
تقترح هذه الورقة "التقطير الذاتي المبوّب المشروط بالمهارة" (SGSD)، وهو إطار عمل مبتكر يعزز قدرة النماذج اللغوية الكبيرة على الاستنتاج من خلال الاستفادة من بنك مهارات للتحقق من فرضيات المعلم والتقطير المبوّب، محققاً أداءً فائقاً على GRPO ونتائج تنافسية مقابل الطرق المشروطة بالإجابة في ظل افتراضات معلومات مميزة أضعف.
يُعدُّ CanMBRAIN نموذج فضاء حالة جديداً قائماً على بنية Mamba وعلاقات سببية، يُمكِّن من الاستدلال المستمر واللحظي لإشارات تخطيط كهربية الدماغ (EEG) طويلة المدى عبر التغلب على التعقيد التربيعي لآليات الانتباه وتقديم مسار تدريب متخصص ذاتي الإشراف متعدد المراحل للحفاظ على السياق الجوهري طويل المدى.
تقدم هذه الورقة البحثية OmniVerifier-M1، وهو نموذج تحقق ميتا متعدد الوسائط يحقق تحققًا بصريًا قويًا وتصحيحًا ذاتيًا ديناميكيًا من خلال الاستفادة من المبررات الرمزية واستراتيجية التعلم المعزز المنفصلة للتفوق على نهج التحسين المشترك التقليدي.
تقدم هذه الورقة البحثية "الرقابة الجماعية المعايرة" (Calibrated Collective Oversight - CCO)، وهي طريقة تدمج إشارات المراقبين المتنوعة في آلية قائمة على الجزاءات تمت معايرتها عبر "نظرية القرار المطابقة" (Conformal Decision Theory) لتوفير تحكم قابل للتوسع ومضمون إحصائياً على أنظمة الذكاء الاصطناعي الوكيل المتقدمة مع الحفاظ على فائدتها.
تقدم هذه الورقة مركز الضغط (CoP)، وهو تمثيل لمسي قائم على الفيزياء يتيح النقل من المحاكاة إلى الواقع دون الحاجة لتدريب مسبق (zero-shot) لمهام المناولة المعقدة والغنية بالتلامس، وذلك عبر الحفاظ على معلومات التلامس الكثيفة مع التغلب على الفجوة بين المحاكاة والواقع دون الحاجة إلى قياسات القوة الحقيقية.
تحلل هذه الورقة تعقيد البيانات لاستعلام الاستلزام وتعداد الإصلاح لقواعد المعرفة ذات الأولوية غير المتسقة باستخدام ثلاثة مفاهيم إصلاح مثالية، مع إقامة مراسلات دقيقة بين هذه الإصلاحات وامتدادات أطر الحجاج لاقتراح دلالات جديدة وفعالة حاسوبياً مستوحاة من الامتدادات الراسخة.
تقدم هذه الورقة مصنفات قوية وخالية من معاملات الضبط، تعتمد على مسافة الطاقة التكيفية مع البيانات، والتي تحقق تصنيفاً مثالياً للبيانات عالية الأبعاد ذات العينات الصغيرة تحت ظروف عامة، متفوقة بذلك على الأساليب الحالية في كل من المحاكاة والتطبيقات الواقعية.