23140 ورقة بحثية
تُظهر هذه الدراسة أن الاعتماد حصرياً على تقييمات السلامة القائمة على النصوص للنماذج اللغوية الكبيرة يغفل ثغرات أمنية كبيرة تكشفها المطالبات المعززة بالرموز التعبيرية، كما يتضح من تباين القابلية للتأثر بهذه المدخلات عبر مختلف النماذج مفتوحة المصدر.
تقدم هذه الورقة إطار عمل RDFdL، الذي يدمج الرسوم البيانية للمعرفة من نوع RDF مع المنطق الديناميكي التفاضلي لتمكين تمثيل والتحقق الرسمي من كل من المعرفة الساكنة والديناميكيات الفيزيائية المستمرة، مما يسمح بالاستعلام عن خصائص السلامة والوصول إلى الهدف للأنظمة السيبرانية الفيزيائية عبر لغة SPARQL.
تُثبت هذه الورقة أن النماذج اللغوية الحلقية، لا سيما عند توظيف الاستدلال التكيفي لتخصيص الحوسبة ديناميكيًا، تعزز الأداء بشكل كبير في سيناريوهات استدعاء الأدوات التركيبية من خلال التنسيق الفعال لعدة استدعاءات لواجهة برمجة التطبيقات، والحفاظ على الحالة، وإدارة التبعيات.
تستخدم هذه الورقة إطار هيسي لتوصيف العلاقة بين الطب وتعلم الآلة بوصفها "قياساً توليدياً"، محاجةً بأن تفسير الترجمة السريرية من خلال منظور الموثوقية يمكن أن يؤسس شكلاً جديداً ومتميزاً من موثوقية تعلم الآلة لمعالجة الشكوك المعرفية والمنهجية الراهنة.
تقدم الورقة البحثية GenEx، وهو نموذج قائم على الرسوم البيانية (graph-based paradigm) يحول تسلسلات جينات SARS-CoV-2 إلى شبكات تلازم الكودونات باستخدام خوارزميات MSCG وLAPCG، ويستخرج أكثر من 25 ميزة طيفية وهيكلية عبر تحليل معزز بـ SVD، ويحقق دقة عالية في اكتشاف المتغيرات من خلال 23 نموذجاً من نماذج تعلم الآلة التي تم اختبارها معيارياً.
تُثبت هذه الورقة أن توجيه الهندسة الطيفية لنماذج الرؤية ذات التعلم الذاتي أثناء التدريب يمكن أن يضبط بشكل منهجي ويحسن بشكل كبير المحاذاة التمثيلية ثنائية الاتجاه مع الشبكات العصبية البيولوجية، محققاً تحسناً نسبياً بنسبة 55% في القدرة التنبؤية ثنائية الاتجاه من خلال تقليل الأبعاد الفعالة وإعادة تنظيم الفضاء التمثيلي المشترك.
تقترح هذه الورقة نموذجاً من مرحلة واحدة ونهاية إلى نهاية لإعادة تحديد هوية الحياة البرية بدقة عالية، يدمج بين DINOv2 وMegaDescriptor مع استعلامات كامنة موجهة بالنماذج اللغوية (prompt-guided latent queries) للقيام بعمليتي البحث عن الهوية وكشف الأجسام في آن واحد، محققةً أداءً تنافسياً مقارنةً بمسارات العمل التقليدية المكونة من مرحلتين.
تقدم هذه الورقة إطار عمل للقياس ودراسة تجريبية واسعة النطاق تُثبت أن صعوبة مهام حل مشكلات البرمجيات لوكلاء الذكاء الاصطناعي يمكن التنبؤ بها بشكل كبير من الخصائص الهيكلية الساكنة، ولا سيما تشتت الرقع البرمجية وحجم المستودع، مما يتيح بناء معايير مرجعية أكثر ضبطاً.
تقترح هذه الورقة إطار عمل الاستدلال غير المنحاز مع القياسات المتعددة غير المثالية (DMM)، والذي يتيح إجراء استدلال إحصائي صالح للبيانات المولدة بواسطة الذكاء الاصطناعي دون الحاجة إلى تسميات مرجعية قياسية، وذلك من خلال الجمع بين قياسات متعددة للذكاء الاصطناعي عرضة للخطأ تحت فرضية الاستقلال الشرطي.
تُثبت هذه الورقة أن التدريب الذاتي المختار من قِبل المُحقِّق، والذي يستفيد من سجلات الحوكمة القابلة للتحقق آلياً من مُحقِّق VAL لتقييم أمثلة تخطيط عالية الجودة، يعزز بشكل كبير قدرات التنفيذ بمرة واحدة للنماذج المقيدة في مهام سير العمل المهيكلة مع الحفاظ على زمن انتقال منخفض وصلاحية المخطط.