24334 ورقة بحثية
إن MuseKG هو نظام رسم بياني معرفي تفاعلي يوحد بيانات المجموعات المتحفية المجزأة في مخطط موحد وقابل للاستعلام، مما يتيح الاستكشاف عبر اللغة الطبيعية والاسترجاع المدرك للعلاقات بين القطع والأشخاص والكيانات الدلالية مع أدلة قابلة للفحص.
تقدم الورقة البحثية GENIUS، وهو إطار عمل للذكاء الاصطناعي الوكيل يدمج رسمًا بيانيًا معرفيًا لبرنامج Quantum ESPRESSO مع تسلسل هرمي للنماذج اللغوية الكبيرة متعدد المستويات واسترداد الأخطاء القائم على الحالة المحدودة، لتوليد بروتوكولات محاكاة نظرية الكثافة الوظيفية (DFT) والتحقق منها وإصلاحها ذاتيًا، مما يساهم في دمقرطة اكتشاف المواد من خلال تحقيق معدلات نجاح عالية مع تقليل التكاليف والهلوسة بشكل كبير مقارنة بنهج النماذج اللغوية الكبيرة القياسية.
تُثبت هذه الورقة أنه بالنسبة لتصنيف النصوص أحادي التسمية ومحدود الموارد، فإن الضبط الدقيق للنماذج اللغوية الكبيرة السببية باستخدام رأس تصنيف على تضمينات الرمز النهائي يعد أكثر كفاءة في المعلمات من الضبط الدقيق للتعليمات، مع تحقيق أداء مماثل أو متفوق على كل من النماذج اللغوية الكبيرة المضبوطة بالتعليمات ونماذج BERT المتخصصة في مجال معين.
تقترح هذه الورقة إطار عمل توأم هجين قائم على الشبكات العصبية الرسومية، يتعلم "نموذج جهل" منخفض التعقيد لتصحيح المحاكاة القائمة على الفيزياء، مما يتيح تعميماً دقيقاً عبر القياسات المكانية المتفرقة والهندسات المتغيرة دون الحاجة إلى بيانات كثيفة.
تقدم الورقة البحثية V-VLAPS، وهو إطار عمل للتخطيط الموجه بالقيمة يعزز نماذج الرؤية واللغة والعمل (VLA) برأس قيمة خفيف الوزن يتم تدريبه على مسارات (rollouts) غير متصلة بالإنترنت للتنبؤ بعوائد مونت كارلو، مما يحسن معدلات نجاح المهام الروبوتية طويلة المدى من خلال توجيه البحث الشجري نحو الفروع ذات القيمة الأعلى، لا سيما عند استخدام ميزانيات بحث أكبر.
تقترح هذه الورقة البحثية إطار عمل CS-VAR، وهو إطار للكشف المعزز بالاسترجاع يستفيد من نموذج لغوي كبير لنقل رؤى السلوك عبر الجلسات إلى كاشف خفيف الوزن يعمل في الوقت الفعلي، مما يحقق أداءً هو الأفضل في فئته في تحديد المخاطر المعقدة والمتكررة في البث المباشر.
تتحدى هذه الورقة الرؤية التقليدية التي تعتبر دقة النموذج هي العقبة الأساسية في التعلم المعزز القائم على النماذج، مبرهنةً بدلاً من ذلك على أن الحد من انحياز المبالغة في التقدير من خلال تجميع دوال القيمة هو المفتاح لتمكين البحث الفعال وتحقيق أداء يضاهي أحدث ما توصل إليه العلم.
تقدم هذه الورقة GradingAttack، وهو إطار عمل هجومي دقيق يوضح كيف يمكن للتلاعبات على مستوى الرموز (tokens) ومستوى المطالبات (prompts) أن تضعف بشكل فعال وخفي أمن وكلاء التصحيح التعليمي القائمين على النماذج اللغوية الكبيرة، مما يسلط الضوء على الحاجة الملحة لدفاعات قوية في أنظمة التقييم الآلي.
تقدم هذه الورقة TABX، وهو محاكي بيئة معزولة (sandbox) عالي الإنتاجية وقائم على JAX، يتيح بحثاً قابلاً للتوسع والنمذجة ومعززاً عتادياً في مجال التعلم التعزيزي متعدد الوكلاء التعاوني من خلال سيناريوهات معارك قابلة لإعادة التشكيل بدرجة عالية.
تقدم الورقة البحثية Cuttlefish، وهو نموذج لغوي كبير موحد متعدد الوسائط يعزز الاستدلال القائم على البنية ويخفف من الهلوسة عبر توظيف آلية ترقيع مدركة للمقياس (Scaling-Aware Patching) لتكييف مقاييس رموز الاستعلام بناءً على التعقيد الهيكلي، ومهايئ تجذير هندسي (Geometry Grounding Adapter) لحقن إشارات هندسية صريحة في النموذج.