23166 ورقة بحثية
يُعد SIDScope مورداً تشخيصياً يقيم صحة وموثوقية عمليات تعيين المعرفات الدلالية (Semantic-ID) في أنظمة التوصية التوليدية من خلال تحليل المصدر، والبنية، ونتائج الاسترجاع، كاشفاً أن صلاحية الواجهة تعتمد على عوامل متعددة الإشارات مثل محاذاة البادئة وتتطلب خطوات تحقق منفصلة تتجاوز مجرد إصلاحات التعيين البسيطة.
تحلل هذه الورقة كمياً الأداء المتقلب لآلية التصويت القائم على الاتساق الذاتي في النماذج اللغوية الكبيرة عبر تقديم "مؤشر اتفاق تعددي" يفكك الإجماع إلى مكونات مدفوعة بالتفضيل الميكانيكي ومكونات متبقية، كاشفةً أنه بينما تهيمن التحيزات المشتركة على مهام الاختيار من متعدد، فإن التباين غير المفسر يستمر في المشكلات ذات النطاق المفتوح، وأن الاتفاق العالي لا يضمن الصحة.
تجادل هذه الورقة بأنه بعيداً عن التحديات المعروفة المتمثلة في النسيان الكارثي وفقدان اللدونة، فإن عدم القدرة على الملاحظة المشتركة لبيانات التدريب في آن واحد يعد عاملاً متميزاً وحاسماً يحد من أداء التعلم المستمر، مما يشير إلى أن آليات مثل إعادة تشغيل الذاكرة تنجح من خلال إعادة إدخال فوائد الملاحظة المشتركة هذه بدلاً من مجرد التخفيف من حدة النسيان.
تبحث هذه الورقة في كيفية إعادة تشكيل التكيف الطبي متعدد اللغات للتمثيلات الداخلية لنماذج "ويسبير" (Whisper) من خلال تحليل على مستوى الطبقات، كاشفةً أنه في حين أن الضبط الدقيق يحسن الأداء بشكل كبير، فإن حجم النموذج الأمثل واستراتيجية التكيف يعتمدان على متطلبات لغوية ومجالية محددة، مع كون الضبط الدقيق الطبي باللغة الإنجليزية هو ما يدفع التحولات الرئيسية في المشفر بينما يحافظ الاستمرار متعدد اللغات إلى حد كبير على هذه التمثيلات المتكيفة.
تقدم هذه الورقة إطار عمل للتحفظ القابل للتحقق لتحديد مواقع التسرب في شبكات المياه المدفوع بالذكاء الاصطناعي، حيث يتعاون منفذ قائم على الفيزياء ومشرف مدقق بواسطة نموذج لغوي كبير للمصادقة على الإرساليات فقط عندما تستوفي الأدلة معايير تعاقدية صارمة، مما يحقق دقة عالية في اتخاذ القرار والمساءلة حتى في ظل الظروف الميدانية الصاخبة.
تقدم SkillGate إطار تدريب مبتكر يعالج مشكلة "تجويع ائتمان المختار" (selector credit starvation) في الوكلاء ذوي الأفق الطويل عبر فك الارتباط في تخصيص الائتمان إلى قنوات منفصلة، مما يحسن بشكل كبير من دقة اختيار المهارات ضمن السياسة (in-policy) والنجاح الإجمالي للمهام مقارنة بالتعلم المعزز القياسي القائم على مكافأة النتيجة.
تقدم هذه الورقة خوارزمية CES، وهي خوارزمية مبتكرة تم تنفيذها في إطار عمل OWLAPY، والتي تعمل على تبسيط تعبيرات فئات OWL المعقدة تركيبياً من خلال تطبيق قواعد إعادة الكتابة لتقليل الإطناب وتحسين كفاءة الاستدلال مع الحفاظ على الدلالات الرسمية.
تقدم الورقة البحثية TestifAI، وهو إطار عمل جديد لاختبار التعلم العميق يستخدم التصوير المقطعي الجزئي للنماذج لتقدير متانة النموذج بكفاءة ودقة ضد التوليفات المعقدة من الاضطرابات الدلالية عن طريق إعادة بناء نتائج الاختبار من الرتب العليا من مجموعة مختزلة بشكل كبير من اختبارات الرتب الدنيا.
تقدم هذه الورقة البحثية إطار عمل \textsc{SMTrap}، وهو إطار عمل خفيف الوزن وخالٍ من التغذية الراجعة للنماذج، يستغل الارتباط بين أعداد التعارضات في حلول SMT وسلوك التراجع في نماذج الاستدلال الكبيرة لتوليد هجمات حرمان من الخدمة عالية التأثير ومنخفضة التكلفة دون الحاجة إلى موارد وحدة معالجة الرسومات (GPU) أو استعلامات لنموذج الهدف.
تُعد SkillForge إطار عمل للتقطير الذاتي يعمل على تعزيز قدرة وكلاء النماذج اللغوية الكبيرة استباقياً على حل مشكلات البرمجيات في مستودعات محددة، وذلك عبر توليد وحل مشكلات اصطناعية مشتقة من الوظائف الجوهرية، مما يسمح بتقطير معرفة مشروع قابلة لإعادة الاستخدام ومرتكزة على الكيانات دون الاعتماد على بيانات إصلاح تاريخية أو استكشاف مكلف في وقت الاختبار.