24888 ورقة بحثية
تقدم الورقة البحثية CAREBench، وهو معيار مرجعي مبتكر قائم على نظرية التقييم يقيم فهم النماذج اللغوية الكبيرة للعواطف من خلال سلاسل الاستدلال المعرفي بدلاً من مجرد التنبؤ بالتسميات، مما يكشف أن النماذج الحالية تعاني في استدلال التقييم والتعرف على العواطف الإيجابية رغم مطابقتها للأداء البشري في مهام معينة.
إن MusicSynth هو خط معالجة مفتوح المصدر ويعمل عبر المتصفح، يقوم تلقائياً بتوليد دروس رسوم متحركة للوحة أصابع الكمان من صور النوتة الموسيقية أو الملفات الرقمية عبر دمج التعرف البصري على الموسيقى، وتحليل ملفات MusicXML، وجدول بحث مخصص للربط بين النوتة والموضع.
تقدم هذه الورقة CAM-Bench، وهو معيار مرجعي جديد للغة Lean 4 يضم 1,000 مسألة تمت صياغتها في الرياضيات الحسابية والتطبيقية، يعالج نقص التمثيل لهذه المجالات في التقييمات الحالية من خلال استخدام خط معالجة لاستعادة التبعية لتكييف تمارين الكتب المدرسية وتحليل أداء النماذج اللغوية الكبيرة في المهام التي تتطلب تتبع السياق المحلي وتطبيق النظريات الأولية.
تقدم هذه الورقة إطار عمل لتقييم الأداء يراعي زمن الاستجابة، حيث يقوم بتقييم ثماني بنيات للتعلم العميق لتصنيف الأعطال والهجمات السيبرانية في الوقت الفعلي في الشبكات الكهربائية التي تهيمن عليها العواكس، كاشفةً أنه بينما تحقق النماذج أزمنة اتخاذ قرار في أقل من دورة واحدة، فإن زمن استجابة الاستدلال من البداية إلى النهاية (50-90 مللي ثانية) يتجاوز حالياً متطلبات درجة الحماية، مما يسلط الضوء على فجوة حرجة بين الأداء الخوارزمي والحلول العتادية القابلة للنشر.
تجادل هذه الورقة بأن الادعاءات المتعلقة بالوصول إلى "أحدث ما توصل إليه العلم" في أبحاث الذكاء الاصطناعي غالباً ما تفتقر إلى أدلة من الاختبارات المعيارية، حيث تعتمد التحسينات في الدرجات الإجمالية بشكل متكرر على القيم المتطرفة بدلاً من التفوق المستمر والقوي، مما يستوجب تقريراً أكثر صدقاً ودقة لأداء النماذج.
تستقصي هذه الورقة بشكل منهجي قوانين القياس لنماذج تخطيط كهربائية القلب (ECG) من خلال تدريب 120 نموذجاً عبر أحجام ونماذج معرفية متنوعة، كاشفةً أنه في حين يوفر التعلم الخاضع للإشراف الذاتي كفاءة فائقة في البيانات والنقل، فإن المسار الأمثل للوصول إلى نماذج تأسيسية فعالة لتخطيط كهربائية القلب يعتمد على المواءمة الاستراتيجية بين البنية (ResNet مقابل Transformer) ونموذج ما قبل التدريب بدلاً من الاعتماد فقط على التوسع بالقوة الغاشمة.
تقدم هذه الورقة A2RBench، وهو مسار مؤتمت لإنشاء اختبارات قياس للاستدلال التجريدي قابلة للتحقق رسميًا باستخدام اتساق الدورة لضمان الحلول الفريدة، مما يكشف أن النماذج اللغوية الكبيرة الحالية تقصر بشكل كبير عن البشر في الاستدلال التجريدي وتواجه صعوبة في المهام عالية الأبعاد.
يُعد Rover نظاماً مبتكراً لحل النزاعات يعمل على تعزيز النماذج اللغوية الكبيرة من خلال دمج تحليل البرامج مع مخطط خصائص الكود متعدد الطبقات لتوليد مطالبات مدركة للسياق، مما يجعله يتفوق على الأدوات الحالية في حل نزاعات دمج الكود المعقدة بدقة.
تقدم هذه الورقة البحثية ContractBench، وهو معيار حتمي يكشف أن وكلاء النماذج اللغوية الكبيرة المتطورة حالياً يفشلون تكراراً في الحفاظ على الصلاحية الزمنية وسلامة مستوى البايت لعقود الملاحظة (مثل رموز الجلسات وعناوين URL)، وهي قدرة لا تتوسع بشكل رتيب مع حجم النموذج وتتطلب تدريباً خاصاً واعياً بالفشل لتحسينها.
يُعد OProver إطار عمل موحداً لإثبات النظريات الصورية الوكيلية في لغة Lean 4، حيث يدمج المراجعة التكرارية للإثبات مع تغذية المترجم الراجعة والاسترجاع، محققاً أداءً هو الأفضل حالياً عبر عدة معايير من خلال مسار تدريب مبتكر يجمع بين التدريب المسبق المستمر، والضبط الدقيق الخاضع للإشراف على مسارات الإصلاح، والتعلم المعزز على الحالات الصعبة.