24343 ورقة بحثية
تقدم هذه الورقة البحثية ArcMark، وهو إطار عمل جديد للعلامات المائية متعددة البايتات وخالية من التشويه للنماذج اللغوية الكبيرة، يستفيد من النقل الأمثل ومبادئ ترميز القناة القائمة على نظرية المعلومات لدمج معلومات كبيرة في النص بشكل موثوق دون تغيير توزيع مخرجات النموذج أو جودتها.
تقدم هذه الورقة البحثية VGAS، وهو إطار عمل لاختيار كتل الأفعال الموجهة بالقيمة يعزز تكيف الرؤية واللغة والأفعال في حالات التعلم من أمثلة قليلة، وذلك عبر الجمع بين مولد مقترحات عالي الاستدعاء وناقد قائم على الأسس الهندسية وتنظيم هندسي صريح لحل حالات الغموض وتحسين المتانة في ظل الإشراف المحدود.
تقدم هذه الورقة نموذج DiNa-LRM، وهو نموذج مكافأة كامن أصيل في عملية الانتشار (diffusion-native) وفعال حاسوبياً، يصيغ تعلم التفضيلات مباشرة على حالات الانتشار المشوشة للتغلب على عدم تطابق النطاق والتكاليف العالية لنماذج المكافآت القائمة على النماذج اللغوية البصرية، محققاً أداء محاذاة فائقاً مع متطلبات موارد أقل بكثير.
تقدم هذه الورقة GT-HarmBench، وهو معيار شامل يضم 1,535 سيناريو متعدد الوكلاء عالي المخاطر القائمة على هياكل نظرية الألعاب، والذي يكشف أن نماذج الذكاء الاصطناعي الرائدة تفشل تكراراً في اختيار النتائج المفيدة اجتماعياً، ويوضح أن التدخلات القائمة على نظرية الألعاب يمكن أن تحسن بشكل كبير من عملية المواءمة في هذه البيئات المعقدة.
تُثبت هذه الورقة أن نموذج الطي المشترك Boltz2، الذي يستفيد من التفاعلات بين البروتين واللجين في مرحلة ما قبل التدريب، يُنتج تمثيلات للجزيئات الصغيرة تتفوق وتتكامل مع النماذج القائمة المستقلة عبر مهام متنوعة تشمل التنبؤ بخصائص ADMET، والنمذجة التوليدية، والتحسين الموجه بالبنية.
يُعد BarrierSteer إطار عمل جديداً للاستدلال وقت التشغيل، خالياً من المعلمات، يعزز سلامة النماذج اللغوية الكبيرة عبر تضمين قيود سلامة غير خطية متعلمة كدوال حاجز تحكم (Control Barrier Functions) في الفضاء الكامن، وذلك لتوجيه النموذج بعيداً عن المسارات غير الآمنة مع الحفاظ على فائدة النموذج.
تجادل هذه الورقة بأنه في حين أن الذكاء الاصطناعي التوليدي يعزز حالياً أداء العمال الحاليين، إلا أنه يهدد آلية التعافي الاقتصادي طويل الأمد من خلال تقويض "الصراع الإنتاجي" الضروري لتكوين المهارات لدى الجيل القادم — وهو خطر حرج تحجبه أنظمة القياس الحالية التي تفشل في التمييز بين تحسن الأداء والتعلم الحقيقي.
تقترح هذه الورقة DisTrans، وهو إطار عمل مبتكر يستخدم التدريب الخصمي للمجال مع تباين النقل الهيكلي-الدلالي للتغلب على قيود النمذجة داخل المجال وتحقيق تعلم علاقات جزيئية قوي عبر المجالات من خلال محاذاة المعلومات الطوبولوجية ومعلومات المجموعات الوظيفية بين مجالي المصدر والهدف.
تقترح الورقة البحثية إطار عمل LFRAG، وهو إطار عمل مبتكر يعزز التوليد المعزز بالاسترجاع متعدد الوسائط من خلال الانتقال من الاسترجاع على مستوى الصفحة خشن الحبيبات إلى الاسترجاق على مستوى الكتلة دقيق الحبيبات باستخدام التجزئة المدركة للتخطيط والدمج الدلالي-التخطيطي، محققاً أداءً هو الأفضل في فئته ومكاسب كفاءة كبيرة على معيار LFDocQA المستحدث.
تقترح الورقة البحثية RAG4Outcome، وهو إطار عمل متعدد الوسائط معزز بالاسترجاع يدمج مصادر بيانات سريرية متنوعة لتقديم تنبؤات إنذارية قابلة للتفسير وموثوقة لالتهاب العظم والنقي المزمن، مما يعالج أوجه القصور في أنظمة تسجيل النقاط اليدوية التقليدية ونهج التعلم متعدد الوسائط الحالية.