24608 ورقة بحثية
تجادل هذه الورقة بأن أمن الوكيل يجب أن يُعامل كمشكلة على مستوى الأنظمة تتطلب اعتبار نموذج الذكاء الاصطناعي مكوناً غير موثوق، وتدعو إلى تطبيق مبادئ أمن الأنظمة الراسخة لفرض الثوابت ومنع الهجمات التي لا تستطيع متانة النموذج وحدها معالجتها.
تقدم هذه الورقة البحثية AgentNLQ، وهو نظام متعدد الوكلاء للأغراض العامة يحقق دقة دلالية بنسبة 78.1% على معيار BIRD من خلال الاستفادة من منسق مُحسَّن للتصحيح الذاتي وطريقة مبتكرة لإثراء المخطط (schema enrichment) لتوليد استعلامات SQL عالية الجودة من اللغة الطبيعية.
إن RLFTSim هو إطار عمل للضبط الدقيق القائم على التعلم التعزيزي يعمل على تعزيز واقعية وقابلية التحكم في محاكاة حركة المرور متعددة الوكلاء من خلال مواءمة مخرجات المحاكي مع توزيعات بيانات العالم الحقيقي واستخدام إشارة مكافأة كثيفة ومنخفضة التباين لتحقيق أداء رائد على مجموعة بيانات Waymo Open Motion.
تقدم الورقة البحثية إطار عمل LiFT، الذي يولد صوراً طبية ثلاثية الأبعاد عالية الدقة عبر التعامل مع الأحجام كمسارات ميزات مرتبة لتعلم الاتساق بين الشرائح باستخدام مولدات ثنائية الأبعاد، مما يحقق تماسكاً تشريحياً وتوليداً عالي الجودة بتكاليف حوسبة أقل بكثير مقارنة بالنماذج الحجمية الكاملة.
تقترح هذه الورقة بيئة اختبار حوسبية مدعومة بالذكاء الاصطنا ඇති، تستخدم وكلاء موظفين ديناميكيين مدفوعين بالنماذج اللغوية الكبيرة، والمزودين ببيانات واقعية من الموارد البشرية والقياس النفسي، لمحاكاة والتنبؤ باستجابات القوى العاملة الفردية للتغيرات التنظيمية، مما يتيح إدارة مسؤولة وقائمة على البيانات للتحولات في القوى العاملة المدفوعة بالذكاء الاصطناعي.
تقدم هذه الورقة مجموعة بيانات مرجعية وإطار تقييم جديد لخمسة أنظمة تجارية للتعرف التلقائي على الكلام (ASR) عبر الكلام المتداخل لغوياً في أزواج اللغات العربية والفارسية والألمانية، مما يثبت أن نظام ElevenLabs Scribe v2 يحقق أفضل أداء مع تسليط الضوء على تفوق مقياس BERTScore على معدل الخطأ في الكلمات (WER) التقليدي في التعامل مع تباين الكتابة الصوتية (transliteration) والكشف عن فجوات الأداء من خلال تحليل مُصنف حسب درجة الصعوبة.
تقترح هذه الورقة إطار عمل للتنبؤ متعدد الآفاق غير مرتبط ببنية معينة، يستفيد من التحسين المشترك لصور السماء المتسلسلة وبيانات الطاقة الكهروضوئية التاريخية لالتقاط التبعيات الزمنية طويلة المدى، مما يؤدي إلى تحسين دقة ومتانة تنبؤات إنتاج الطاقة الكهروضوئية بشكل كبير مقارنة بالنماذج التقليدية أحادية الأفق.
تقدم الورقة البحثية CRAFT، وهو مسار عمل مشروط بالاستعلام يجمع بين الاختيار الديناميكي للإطارات الرئيسية، والتعرف الآلي على الكلام متعدد اللغات، وحلقة نقد هجينة لتحقيق أداء رائد في الإجابة على الأسئلة متعددة الفيديوهات القائمة على المحتوى، وذلك من خلال التحقق المتكرر من الادعاءات وتوحيد الأدلة مع عزوه بدقة إلى المصادر.
تقدم الورقة البحثية ReElicit، وهو إطار عمل للتحسين البايزي يستفيد من النماذج اللغوية الكبيرة لاستخلاص تمثيلات سمات تكيفية وقابلة للتفسير ديناميكيًا من التغذية الراجعة التجميعية، مما يتيح التحسين الفعال لمطالبات النظام متغيرة الطول دون الحاجة إلى تسميات لكل مثال.
تقدم هذه الورقة البحثية ScheduleFree+، وهي طريقة خالية من معدل التعلم وخالية من الجدولة، نجحت في توسيع نطاق التعلم الخالي من الجدولة (Schedule-Free Learning) ليشمل النماذج اللغوية الكبيرة، متفوقة بشكل كبير على جداول التدريب المتطورة مثل Warmup-Stable-Decay، لا سيما في سيناريوهات التدريب طويلة الأمد.