24346 ورقة بحثية
تقدم الورقة البحثية نظام MDIA، وهو نظام تشخيصي متعدد الوكلاء يستخدم رسماً بيانياً ذا 7 عقد متخصصة التوجيه على نموذج لغوي كبير غير مضبوط بدقة، والذي يتفوق بشكل كبير على برامج الدردشة السريرية القياسية في معيار HealthBench Professional، مما يثبت أن التصميم المعماري والميزات على مستوى المحرك هي محركات حاسمة للأداء السريري الوكيل، مع تسليط الضوء على التباين الذي تفرضه نماذج التقييم المختلفة.
تقدم هذه الورقة "govllm"، وهو إطار عمل مفتوح المصدر يطبق مبدأ "الحوكمة من خلال المقاييس" لتمكين المراقبة المستمرة لامتثال النماذج اللغوية الكبيرة بموجب قانون الذكاء الاصطناعي للاتحاد الأوروبي، وذلك عبر استخدام مجموعة من النماذج اللغوية الصغيرة المتخصصة كقضاة تنظيميّين لتوليد إشارات امتثال في الوقت الفعلي وتحديد حالات عدم اليقين للتحكيم البشري.
تقدم الورقة البحثية BOOST، وهو إطار عمل للتحسين ثنائي المستوى يتعلم تلقائيًا كيفية إعادة وزن المسارات الاصطناعية غير المتجانسة متعددة الجولات لضبط النماذج اللغوية الكبيرة (LLM) من خلال تحسين رأس خفيف الوزن على بيانات تحقق حقيقية، مما يوازن بين التنوع والجودة للتفوق على النماذج المرجعية الحالية دون الحاجة إلى حكام خارجيين.
تقدم هذه الورقة "درجة المسار الملائمة" (TPS)، وهي قاعدة تسجيل ملائمة تماماً تستخلص بدقة كامل أثر احتمالية النجاح المشروط بالبادئة لنماذج اللغة الوكيلية، مما يعالج أوجه القصور في المقاييس الحالية التي تفشل في التمييز بين أداء التصنيف والصدق الاحتمالي في التكميم اليقيني للوكلاء.
تقدم هذه الورقة البحثية "معلومات المتمم شبه المحدبة" (CSI)، وهي فئة جديدة من الأهداف التي تقيس العلاقات الهيكلية بين مجموعة فرعية مختارة ومتممها لتحقيق اختيار بيانات متوازن وقوي مع ضمانات تقريب جشعة شبه مثالية وأداء فائق في المهام اللاحقة.
تقدم هذه الورقة GRAIL، وهو نظام ذكاء اصطناعي وكيل يقوم تلقائيًا بترجمة سير عمل البيانات الجيومكانية بلغة بايثون القابلة للتوسع إلى برامج Spark قابلة للتنفيذ لتحليل بيانات الأقمار الصناعية عبر تكييف مكتبة RDPro واستخدام مسار LangGraph مهيكل لإصلاح الكود المستهدف، مما يمكّن علماء المجال من معالجة البيانات واسعة النطاق دون الحاجة لتعلم إطار عمل جديد.
يقدم PANDO إطار عمل فعال لتقطير المهارات عبر الإنترنت يُمكّن الوكلاء الويب متعددي الوسائط من تحسين الأداء وتقليل استهلاك الرموز (tokens) من خلال الحفاظ على مكتبة مهارات مهيكلة وتوظيف تقنيات مثل انعكاس التقدم والتحفيز المدرك للتخزين المؤقت، محققاً معدل نجاح بنسبة 58.3% في VisualWebArena بتكاليف استدلال أقل بكثير مقارنة بالطرق الحالية.
تُعد استراتيجية CONF-KV طريقة مبتكرة لإخلاء ذاكرة التخزين المؤقت لـ KV، حيث تقوم بتعديل ميزانيات التخزين المؤقت ديناميكيًا بناءً على ثقة النموذج في التنبؤ لكل خطوة، وتستخدم تخزينًا بدقة مختلطة لتقليل استخدام الذاكرة بشكل كبير مع الحفاظ على دقة استرجاع عالية وأداء المهام للاستنتاج طويل الأمد في النماذج اللغوية الكبيرة.
تقترح هذه الورقة إطار عمل للضبط الدقيق كفء في المعلمات يجمع بين نموذج الرؤية واللغة Florence-2 للإجابة على الأسئلة البصرية السريرية، ونموذج Stable Diffusion 2.1 المعزز بتقنية LoRA لتوليد صور جهاز هضمي اصطناعية تحافظ على الخصوصية، مما يظهر أداءً فائقًا وتكاليف حوسبة منخفضة مقارنة بالنماذج الحالية.
تقدم هذه الورقة استنتاج "فرق تسد" (DCI)، وهي استراتيجية مبتكرة لتوسيع نطاق الاستنتاج في وقت الاختبار، تعمل على تخفيف انهيار الأداء في التعرف البصري واسع النطاق من خلال تفكيك مهام التصنيف المعقدة بشكل متكرر إلى مشكلات فرعية محلية، مما يؤدي إلى تحسين نسب الإشارة إلى الضوضاء والكفاءة الحسابية لتمكين النماذج اللغوية الكبيرة متعددة الوسائط مفتوحة المصدر والخفيفة من منافسة العمالقة المغلقين من الطراز الأول دون تدريب إضافي.