24055 ورقة بحثية
تقدم هذه الورقة CoMeTS-GAN، وهو إطار عمل توليدي مدرك للجودة يدمج بين شبكة خصومية توليدية شرطية (Conditional GAN) ونماذج الانتشار لإنتاج سلاسل زمنية مالية اصطناعية عالية الدقة من خلال التقاط الحقائق الأسلوبية وهياكل الارتباط بين الأصول بشكل فعال.
تجادل ورقة الموقف هذه بأن سلامة الذكاء الاصطناعي يجب أن تمنح الأولوية للقدرة على التحكم —أي القدرة على مقاطعة الوكلاء وتجاوزهم وتقييدهم بشكل موثوق أثناء التشغيل— على مجرد المواءمة، مقدمةً معياراً جديداً وإطاراً هيكلياً لمعالجة فشل الأنظمة الحالية في الخضوع للسلطة الصريحة في البيئات المعقدة والمفتوحة.
تقدم هذه الورقة البحثية DEI، وهو إطار عمل بحثي موزع للتنوع والجودة (Quality-Diversity) يستفيد من النماذج اللغوية الكبيرة غير المتجانسة كعوامل طفرة تكميلية لتحقيق درجات أعلى بكثير في تغطية الحلول وتنوعها مقارنة بكل من النماذج أحادية النموذج والأساليب الموازية متجانسة النوع.
تقترح هذه الورقة بنية "بحيرة بيانات" (lakehouse) قائمة على نموذج "المحور والأطراف" (hub-and-spoke) ومعززة بالذكاء الاصطناي، والتي تعالج التوتر بين الخدمة الذاتية للمجالات والحوكمة عبر استخدام النماذج اللغوية الكبيرة لأتمتة إنفاذ السياسات وخفض حواجز المهارة، مما يتيح انتقالاً مرحلياً من التحكم المركزي إلى الملكية الناضجة للمجالات مع قياس النجاح من خلال مقاييس القيمة التجارية.
تقدم هذه الورقة البحثية إطار عمل ICCU، وهو إطار عمل خالٍ من المعلمات لتعلم إلغاء مستمر، يقوم باستحثاث وتراكم قواعد رفض مقروءة من مجموعات بيانات إلغاء التعلم لقمع المعرفة المستهدفة بفعالية وقت الاستدلال مع الحفاظ على فائدة النموذج وتجنب التداخل بين الطلبات المتقاطعة.
يُعد StepOPSD إطار عمل لتقطير التفضيلات عبر الإنترنت يكون مدركاً للخطوات، وهو يعالج عدم تطابق تخصيص الائتمان في التعلم التعزيزي للوكلاء متعدد الخطوات من خلال تفكيك المسارات إلى مقاطع متمحورة حول الأفعال لإعادة القياس المثرى بالتطلع إلى الماضي وتشكيل الميزة، محققاً أداءً هو الأفضل في فئته على معايير مثل ALFWorld وSearch-QA.
تقدم هذه الورقة VitaBench 2.0، وهو معيار مرجعي جديد صُمم لتقييم قدرة وكلاء النماذج اللغوية الكبيرة على اتخاذ قرارات شخصية واستباقية في التفاعلات الطويلة والمجزأة مع المستخدمين، مما يكشف عن فجوات كبيرة بين قدرات النماذج الحالية والمتطلبات الواقعية.
تقترح هذه الورقة "فرضية الرسم البياني المعرفي المضغوط"، مبرهنةً على أن الرسوم البيوية الفرعية المدمجة والمهيكلة غالباً ما توفر إشارات كافية لتوجيه النماذج اللغوية الكبيرة بفعالية في توليد الفرضيات العلمية، مما يتحدى ضرورة استخدام الرسوم البيانية المعرفية المحلية الكاملة.
تقدم هذه الورقة "الرسوم المتحركة التوليدية" (Generative Animations)، وهي مسار معالجة متعدد النماذج يستفيد من النماذج اللغوية الكبيرة ونموذج (Segment Anything Model) لتحويل المطالبات باللغة الطبيعية تلقائياً إلى مسارات حركة مدركة هندسياً وجاهزة للإنتاج، مما يلغي الحاجة إلى تكوين الرسوم المتحركة يدوياً.
تقدم هذه الورقة NoisyAgent، وهو إطار تدريب يعزز متانة وكلاء النماذج اللغوية الكبيرة (LLM agents) من خلال الدمج التدريجي لضجيج المستخدم والأدوات المحاكى أثناء التعلم، مما يقلص الفجوة بين الاختبارات المعيارية المثالية والنشر في العالم الحقيقي مع تحسين القدرة على التفكير القابل للتعميم.